用于单目视觉里程计的深度在线校正
计算机视觉与模式识别
2021-12-17 v1 机器学习
机器人学
摘要
本文提出一种用于单目视觉里程计的新型深度在线校正（DOC）框架。整个流程分为两个阶段：首先，通过自监督方式训练的卷积神经网络（CNNs）获得深度图和初始位姿。其次，在推理阶段通过位姿的梯度更新最小化光度误差，进一步改进 CNN 预测的位姿。我们提出的方法有双重好处：1）与在线学习方法不同，DOC 不需要计算 CNN 参数的梯度传播，因此在推理阶段节省更多计算资源。2）与结合 CNN 和传统方法的混合方法不同，DOC 完全依赖深度学习（DL）框架。尽管没有复杂的后端优化模块，我们的方法在 KITTI Odometry 基准的 Seq. 09 上以相对位姿误差（RTE）= 2.0% 取得出色性能，优于传统单目 VO 框架，并与混合方法相当。
引用
@article{arxiv.2103.10029,
title = {Deep Online Correction for Monocular Visual Odometry},
author = {Jiaxin Zhang and Wei Sui and Xinggang Wang and Wenming Meng and Hongmei Zhu and Qian Zhang},
journal= {arXiv preprint arXiv:2103.10029},
year = {2021}
}
备注
Accepted at 2021 IEEE International Conference on Robotics and Automation (ICRA)