快速、鲁棒、连续的单目自运动计算
计算机视觉与模式识别
2016-02-17 v1 机器人学
摘要
我们提出了在噪声真实世界单目图像序列中估计相机自运动的鲁棒方法，适用于具有两视图和小基线的未知观测者旋转和平移的一般情况。这是一个困难问题，因为透视相机运动方程的非凸代价函数，以及由噪声光流估计和场景非刚性引起的非高斯噪声。为解决该问题，我们引入了期望残差似然方法（ERL），其利用在一系列反事实模型参数下流场残差的似然分布来估计噪声光流数据的置信权重。我们表明ERL在许多设定下能有效地识别离群点并恢复适当的置信权重。我们将ERL与一种使用提升核的透视相机运动方程的新颖公式进行比较，后者是最近提出的具有良好经验性质的联合参数与置信权重估计优化框架。我们将这些策略整合到一个避免陷入局部极小值的运动估计流水线中。我们发现ERL在具有挑战性的KITTI数据集上优于提升核方法和基线单目自运动估计策略，同时相比基线自运动方法几乎不增加运行时间成本。
引用
@article{arxiv.1602.04886,
title = {Fast, Robust, Continuous Monocular Egomotion Computation},
author = {Andrew Jaegle and Stephen Phillips and Kostas Daniilidis},
journal= {arXiv preprint arXiv:1602.04886},
year = {2016}
}
备注
Accepted as a conference paper at ICRA 2016. Main paper: 8 pages, 7 figures. Supplement: 4 pages, 2 figures