DeepPerimeter：基于位姿单目序列的室内边界估计
计算机视觉与模式识别
2019-07-03 v2
摘要
我们提出 DeepPerimeter，一种基于深度学习的流水线，用于从一系列带位姿的 RGB 图像中推断完整的室内周长（即外部边界图）。我们的方法依赖于鲁棒的深度方法来进行深度估计与墙体分割，以生成外部边界点云，然后使用深度无监督聚类来拟合墙面平面，从而获得房间的最终边界图。我们证明，DeepPerimeter 在流行的 ScanNet 和 FloorNet 数据集上取得了优异的视觉与定量性能，并且适用于各种复杂形状的房间以及多房间场景。我们还为未来室内周长估计的研究确立了重要基线，随着增强现实与机器人等应用领域变得愈发重要，相关主题将日益凸显。
引用
@article{arxiv.1904.11595,
title = {DeepPerimeter: Indoor Boundary Estimation from Posed Monocular Sequences},
author = {Ameya Phalak and Zhao Chen and Darvin Yi and Khushi Gupta and Vijay Badrinarayanan and Andrew Rabinovich},
journal= {arXiv preprint arXiv:1904.11595},
year = {2019}
}