E-Graph：基于可扩展图的刚性旋转最小解
计算机视觉与模式识别
2022-07-21 v1 机器人学
摘要
相对旋转与平移估计任务的最小解已在多种场景中得以探索，通常依赖于所谓的共视图。然而，如何在不重叠的两帧间建立直接旋转关系仍是一个开放课题，若得以解决将极大提升视觉里程计精度。本文提出一种新的最小解，通过利用一种称为可扩展图（E-Graph）的新图结构，求解两幅无重叠区域图像间的相对旋转估计。与共视图不同，我们的 E-Graph 中存储了包括消失方向与平面法线在内的高级路标，其在几何上可扩展。基于 E-Graph，旋转估计问题变得更简单优雅，因其可处理纯旋转运动且所需假设更少，例如 Manhattan/Atlanta 世界、平面/垂直运动。最后，我们将旋转估计策略嵌入完整的相机跟踪与建图系统，获得 6-DoF 相机位姿与稠密三维网格模型。在公开基准上的大量实验表明，所提方法取得了最先进的跟踪性能。
引用
@article{arxiv.2207.10008,
title = {E-Graph: Minimal Solution for Rigid Rotation with Extensibility Graphs},
author = {Yanyan Li and Federico Tombari},
journal= {arXiv preprint arXiv:2207.10008},
year = {2022}
}