通过高效关键点检测与序列信息增强场景坐标回归
机器人学
2025-08-26 v2 计算机视觉与模式识别
摘要
场景坐标回归(SCR)是一种利用深度神经网络(DNN)直接回归2D-3D对应关系的视觉定位技术，用于相机位姿估计。然而，当前SCR方法由于依赖隐式三角化，在处理重复纹理和无意义区域时往往面临挑战。在本文中，我们提出了一种高效且准确的SCR系统。与现有SCR方法相比，我们提出了统一的架构用于场景编码和显著关键点检测，使系统能够优先编码信息区域。该设计显著提升了计算效率。此外，我们引入了一种在映射和重定位过程中利用序列信息的机制。所提出的方法增强了隐式三角化，尤其是在存在重复纹理的环境中。在室内和室外数据集上进行的综合实验表明，所提出的系统超越了最先进的(SOTA)SCR方法。单帧重定位模式将基线的召回率提升了6.4%，运行速度从56Hz提升至90Hz。此外，基于序列的模式将召回率提升了11%，同时保持了原有的效率。
引用
@article{arxiv.2412.06488,
title = {Enhancing Scene Coordinate Regression with Efficient Keypoint Detection and Sequential Information},
author = {Kuan Xu and Zeyu Jiang and Haozhi Cao and Shenghai Yuan and Chen Wang and Lihua Xie},
journal= {arXiv preprint arXiv:2412.06488},
year = {2025}
}
备注
8 pages, 6 figures