在回归森林中联合利用点与直线特征进行 RGB-D 相机重定位

相机重定位在许多机器人与计算机视觉任务中起着至关重要的作用，例如全局定位、从跟踪失败中恢复以及回环检测。近期基于随机森林的方法利用随机采样的像素比较特征来预测 2D 图像位置对应的 3D 世界位置，以引导相机位姿优化。然而，这些图像特征仅在图像中随机采样，未考虑空间结构或几何信息，导致在存在弱纹理区域或运动模糊时产生较大误差或失败。线段特征在此类环境中更为鲁棒。在本工作中，我们提出在不确定性驱动的回归森林框架内联合利用点与直线。所提方法在三个公开可用数据集上针对若干强竞争力的前沿基线方法，按多种不同误差指标进行了充分评估。实验结果证明了我们方法的有效性，展现出优于或持平前沿水平的性能。