通过发现锚点改进视觉重定位
计算机视觉与模式识别
2018-11-13 v1 机器学习
摘要
我们解决预测给定输入场景的位置和相机方向或位姿(6DOF)的视觉重定位问题。我们提出一种基于人类如何利用可见地标确定其位置的方法。我们在路线图上均匀定义锚点,并提出一种深度学习架构,其预测场景中现存的最相关锚点以及相对于它的偏移量。相关锚点不必是离真实位置最近的锚点,因为它可能因位姿而不可见。因此我们提出一个多任务损失函数,其发现相关锚点而无需其真实标注。我们通过使用各种 CNN 特征提取器在 CambridgeLandmarks(大规模室外场景)以及 7 Scenes(室内场景)上进行实验来验证我们方法的有效性。在使用相同特征提取器的情况下,与先前已知的最佳深度学习模型 PoseNet(带几何重投影损失)相比,我们的方法降低了室内及室外定位数据集中的中位误差。在特定 Street 场景情况下,我们将定位中位误差降低了超过 8m。
引用
@article{arxiv.1811.04370,
title = {Improved Visual Relocalization by Discovering Anchor Points},
author = {Soham Saha and Girish Varma and C. V. Jawahar},
journal= {arXiv preprint arXiv:1811.04370},
year = {2018}
}
备注
10 Pages, 6 figures, BMVC 2018, Newcastle, UK