HR-APR：具有不确定性估计和层次化精化的与APR无关的相机重定位框架
计算机视觉与模式识别
2024-04-22 v2 机器人学
摘要
绝对位姿回归器直接从单目图像估计相机位姿，但其准确性对于不同查询不稳定。具有不确定性感知的APR提供估计位姿的不确定性信息，减轻了这些不可靠预测的影响。然而，现有的不确定性建模技术通常与特定的APR架构耦合，导致性能不如最先进的APR方法。本文介绍了一种新颖的与APR无关的框架HR-APR，它将不确定性估计公式化为查询特征与数据库特征之间的余弦相似度估计。它不依赖于APR网络架构，也不影响其架构，因此灵活且计算高效。此外，我们利用不确定性进行位姿精化，以增强APR的性能。大量实验证明了我们框架的有效性，在7Scenes和Cambridge Landmarks数据集上分别减少了27.4%和15.2%的计算开销，同时保持了单图像APR的最先进精度。
引用
@article{arxiv.2402.14371,
title = {HR-APR: APR-agnostic Framework with Uncertainty Estimation and Hierarchical Refinement for Camera Relocalisation},
author = {Changkun Liu and Shuai Chen and Yukun Zhao and Huajian Huang and Victor Prisacariu and Tristan Braud},
journal= {arXiv preprint arXiv:2402.14371},
year = {2024}
}
备注
Accepted in in 2024 IEEE International Conference on Robotics and Automation (ICRA). Code: https://github.com/lck666666/HR-APR