Deep ChArUco：暗光 ChArUco 标记位姿估计
计算机视觉与模式识别
2019-07-03 v2
摘要
ChArUco 板用于机器人和增强现实中的相机标定、单目位姿估计和位姿验证。此类基准标记在光照良好环境下可通过传统计算机视觉方法（如 OpenCV 中的方法）检测，但经典方法在光照不足或图像经历极端运动模糊时失效。我们提出 Deep ChArUco，一种实时位姿估计系统，它结合两个定制深度网络 ChArUcoNet 和 RefineNet 与 Perspective-n-Point（PnP）算法来估计标记的 6DoF 位姿。ChArUcoNet 是一个双头、针对特定标记设计的卷积神经网络（CNN），联合输出 ID 特定分类器和 2D 点位置。2D 点位置使用 RefineNet 进一步细化为亚像素坐标。我们的网络通过自动标注的目标标记视频、合成亚像素角点数据和极端数据增强的组合进行训练。我们在具有挑战性的低光、高运动、高模糊场景中评估 Deep ChArUco，并证明我们的方法优于传统的基于 OpenCV 的 ChArUco 标记检测与位姿估计方法。
引用
@article{arxiv.1812.03247,
title = {Deep ChArUco: Dark ChArUco Marker Pose Estimation},
author = {Danying Hu and Daniel DeTone and Vikram Chauhan and Igor Spivak and Tomasz Malisiewicz},
journal= {arXiv preprint arXiv:1812.03247},
year = {2019}
}
备注
Published in CVPR 2019