RGBD 相对位姿估计中的几何深度一致性
计算机视觉与模式识别
2024-01-02 v1
摘要
RGBD 相机的相对位姿估计在众多应用中至关重要。以往的方法要么依赖图像的 RGB 方面来估计位姿，从而在估计过程中未充分利用深度信息；要么从每幅图像生成的三维点云中估计位姿，从而未充分利用 RGB 信息。本文表明，如果从基于 RGB 的排序对应列表中假设一对对应关系，则剩余对应关系的空间被限制在围绕该假设对应关系嵌套的对应曲线对中，从而隐式地捕获深度一致性。这种简单的几何深度约束显著减少了潜在匹配。实际上，这成为了对应关系上的一个过滤器，有助于减少异常值的数量，从而显著加快 RANSAC。因此，相同的时间预算允许更多的 RANSAC 迭代，从而获得额外的鲁棒性和显著的加速。此外，本文提出了一种 Nested RANSAC 方法，该方法同样加快了处理过程，如在 TUM、ICL-NUIM 和 RGBD Scenes v2 数据集上的实验所示。
引用
@article{arxiv.2401.00639,
title = {Geometry Depth Consistency in RGBD Relative Pose Estimation},
author = {Sourav Kumar and Chiang-Heng Chien and Benjamin Kimia},
journal= {arXiv preprint arXiv:2401.00639},
year = {2024}
}