面向视觉定位的混合场景压缩
计算机视觉与模式识别
2019-04-23 v2
摘要
相对于3D场景模型定位一幅图像是许多计算机视觉应用的核心任务。越来越多的移动设备上视觉定位的实际应用，例如增强现实或无人机、自动驾驶汽车等自主机器人，要求定位方法最小化存储和带宽需求。因此，压缩用于定位的3D模型成为实际的必要之举。在本工作中，我们引入了一种新的混合压缩算法，以更有效的方式利用给定的内存限制。它并非平等对待所有3D点，而是用完整外观信息表示一小部分点，并用压缩信息表示额外更大规模的点集。这使得我们的方法能够在不增加内存需求的情况下获得更完整的场景表示，从而相比以往的压缩方案具有更优的性能。作为我们的贡献之一，我们展示了如何在RANSAC期间处理由点压缩引起的歧义匹配。除了在相同内存约束下以姿态精度超越以往的压缩技术外，我们的压缩方案本身也更高效。此外，我们的方法所获得的定位率和精度可与最先进的基于特征的方法相媲美，同时仅使用其一小部分内存。
引用
@article{arxiv.1807.07512,
title = {Hybrid Scene Compression for Visual Localization},
author = {Federico Camposeco and Andrea Cohen and Marc Pollefeys and Torsten Sattler},
journal= {arXiv preprint arXiv:1807.07512},
year = {2019}
}
备注
Published at CVPR 2019