基于合成数据的单目SLAM绝对尺度估计
计算机视觉与模式识别
2019-09-04 v1 机器人学
摘要
本文通过估计连续图像帧相机中心间的绝对距离，解决单目SLAM中的尺度估计问题。这些估计将改善经典（非深度）SLAM系统的整体性能，并允许从单个单目相机恢复度量特征位置。我们提出了几种网络架构，相比当前最优（state of the art）水平提升了尺度估计精度。此外，我们利用了仅用计算机图形模拟器导出的合成数据训练神经网络的可能性。我们的核心见解是，仅使用合成训练输入，可获得与真实数据相当的尺度估计精度。这一事实表明，完全标注的模拟数据是基于深度学习的现有SLAM系统在真实（无标注）数据上训练的可行替代方案。我们采用无监督域自适应的实验也表明，模拟与真实数据间视觉外观的差异不影响尺度估计结果。我们的方法以低分辨率图像（0.03MP）运行，这使其适用于单目相机的实时SLAM应用。
引用
@article{arxiv.1909.00713,
title = {Estimation of Absolute Scale in Monocular SLAM Using Synthetic Data},
author = {Danila Rukhovich and Daniel Mouritzen and Ralf Kaestner and Martin Rufli and Alexander Velizhev},
journal= {arXiv preprint arXiv:1909.00713},
year = {2019}
}