DPC-Net：用于视觉定位的深度位姿校正
计算机视觉与模式识别
2022-07-06 v4
摘要
我们提出了一种新颖的方法，将深度网络的能力与几何和概率定位算法的计算效率相融合。与其他用深度网络完全取代经典视觉估计器的方法不同，我们提出了一种方法，使用卷积神经网络从真值训练数据中学习对估计器难以建模的校正。为此，我们基于矩阵李群方法推导了一种用于学习SE(3)校正的新损失函数，其天然地平衡了平移和旋转误差。我们利用该损失训练了一个深度位姿校正网络（DPC-Net），该网络针对特定估计器、传感器和环境预测校正。使用KITTI里程计数据集，我们展示了计算高效的稀疏立体视觉里程计流水线的精度得到显著提升，使其与现代计算密集型的稠密估计器一样准确。此外，我们展示了如何使用DPC-Net来减轻标定不良的镜头畸变参数的影响。
引用
@article{arxiv.1709.03128,
title = {DPC-Net: Deep Pose Correction for Visual Localization},
author = {Valentin Peretroukhin and Jonathan Kelly},
journal= {arXiv preprint arXiv:1709.03128},
year = {2022}
}
备注
In IEEE Robotics and Automation Letters (RA-L) and presented at the IEEE International Conference on Robotics and Automation (ICRA'18), Brisbane, Australia, May 21-25, 2018