用于相对位姿估计的关键点检测与匹配的端到端学习
计算机视觉与模式识别
2021-04-05 v1
摘要
我们提出一种估计两幅图像间相对位姿的新方法，其中联合学习关键点检测、描述子提取、匹配与鲁棒位姿估计。尽管我们的架构遵循几何计算机视觉中传统的位姿估计流程，所有步骤均以端到端方式学习，包括特征匹配。我们针对在已知位姿图像数据库中查询图像视觉定位的任务展示该方法。成对位姿估计在机器人建图、导航与 AR 中有诸多实际应用。例如，场景中持久 AR 物体的显示依赖于精确的相机定位，以使数字模型看似锚定于物理环境。我们为视觉定位问题端到端训练整个流程。我们在定位精度、鲁棒性与运行速度上评估所提方法。我们的方法在 7 Scenes 数据集上达到最先进的定位精度。
引用
@article{arxiv.2104.01085,
title = {End-to-end learning of keypoint detection and matching for relative pose estimation},
author = {Antoine Fond and Luca Del Pero and Nikola Sivacki and Marco Paladini},
journal= {arXiv preprint arXiv:2104.01085},
year = {2021}
}