DeepKalPose：用于时间一致的单目车辆姿态估计的增强型深度学习卡尔曼滤波器
计算机视觉与模式识别
2024-04-26 v1 人工智能
机器人学
摘要
本文提出了DeepKalPose，一种新颖的方法，通过基于深度学习的卡尔曼滤波器增强视频中单目车辆姿态估计的时间一致性。通过集成利用前向和后向时间序列处理的双向卡尔曼滤波策略，结合可学习运动模型以表示复杂的运动模式，我们的方法在各种条件下，特别是对于遮挡或远距离车辆，显著提高了姿态精度和鲁棒性。在KITTI数据集上的实验验证证实，DeepKalPose在姿态精度和时间一致性方面均优于现有方法。
引用
@article{arxiv.2404.16558,
title = {DeepKalPose: An Enhanced Deep-Learning Kalman Filter for Temporally Consistent Monocular Vehicle Pose Estimation},
author = {Leandro Di Bella and Yangxintong Lyu and Adrian Munteanu},
journal= {arXiv preprint arXiv:2404.16558},
year = {2024}
}
备注
4 pages, 3 Figures, published to IET Electronic Letters