利用秩-1 初始化从小运动恢复深度
计算机视觉与模式识别
2019-07-10 v1
摘要
从小运动恢复深度（DfSM）（Ha 等，2016）对商用手持设备尤为有趣，因为它允许以极小的用户操作与配合获取深度信息。由于这些设备上的速度与内存问题，该方法使用束调整（BA）的自标定优化仅需 10-15 张图像。因此，优化往往需多次迭代才能收敛，或在有些情况下根本不收敛。本工作提出一种使用秩-1 分解方法（Tomasi 与 Kanade，1992）、（Aguiar 与 Moura，1999a）对束调整进行鲁棒初始化的方案。我们构建一个在无噪情形下秩为 1 的约束矩阵，然后用 SVD 计算逆深度值与相机运动。我们仅需约四分之一的束调整迭代即可收敛。我们还提出网格化特征提取技术，从而仅追踪整幅图像帧中重要且微小的特征。这也确保了在移动设备上整体执行时间的加速。实验中，我们记录了所提秩-1 初始化在两类移动设备平台上借助 CPU-GPU 协同处理的优化加速后的执行时间。秩-1 与 BA 的结合生成更鲁棒的深度图，且比单独使用 BA 显著更快。
引用
@article{arxiv.1907.04058,
title = {Depth from Small Motion using Rank-1 Initialization},
author = {Peter O. Fasogbon},
journal= {arXiv preprint arXiv:1907.04058},
year = {2019}
}
备注
8 pages, 6 figures