从二维行人轨迹估计三维相机位姿
计算机视觉与模式识别
2020-01-03 v2
摘要
我们考虑重新标定静态监控相机三维位姿的任务，其位姿可能因外部力（如鸟类、风、坠落物体或地震）而改变。 conventionally，当三维点已知时，相机位姿估计可通过使用二维到三维特征对应的 PnP（Perspective-n-Point，透视n点）方法求解。然而，在真实世界应用中，三维点标注并非总可获得或切实可行。我们提出一种利用行人轨迹提取三维信息以求解相机位姿的替代策略。我们观察到二维行人轨迹间接包含可用于推断相机位姿的有用三维信息。为利用该信息，我们提出一种数据驱动方法，通过训练神经网络（NN）回归器来建模从投影到图像平面上的二维行人轨迹到三维相机位姿的直接映射。我们证明，仅在合成数据上训练的回归器可直接应用于真实数据，从而无需标注任何真实数据。我们在 Town Centre Street 与 DUKEMTMC 数据集的六个不同场景中评估了我们的方法。与其他 SOTA 方法相比，我们的方法在位置与朝向预测精度上均实现了约 的提升。
引用
@article{arxiv.1912.05758,
title = {Estimating 3D Camera Pose from 2D Pedestrian Trajectories},
author = {Yan Xu and Vivek Roy and Kris Kitani},
journal= {arXiv preprint arXiv:1912.05758},
year = {2020}
}
备注
Accepted in WACV 2020