基于混合表示的极端相对位姿网络
计算机视觉与模式识别
2020-04-07 v2
摘要
本文提出一种新颖的基于RGB-D的相对位姿估计方法，适用于小重叠或非重叠扫描，并可输出多个相对位姿。我们的方法执行场景补全并匹配补全后的扫描。然而，关键思想不是使用固定表示进行补全，而是利用结合360图像、基于2D图像的空间布局以及平面块体的混合表示。该方法为相对位姿估计提供了自适应特征表示。此外，我们引入一种全局到局部的匹配流程，利用全局阶段获得的初始相对位姿来检测并整合几何关系以进行位姿精化。实验结果证明了该方法在广泛基准数据集上的潜力。例如，在ScanNet上，我们方法top-1/top-5预测的旋转平移误差分别为28.6/0.90m和16.8/0.76m。我们的方法还显著提升了少视图重建设置下多扫描重建的性能。
引用
@article{arxiv.1912.11695,
title = {Extreme Relative Pose Network under Hybrid Representations},
author = {Zhenpei Yang and Siming Yan and Qixing Huang},
journal= {arXiv preprint arXiv:1912.11695},
year = {2020}
}
备注
Accepted in CVPR 2020