基于深度学习的相机位姿估计导论
计算机视觉与模式识别
2019-07-17 v3
摘要
在过去二十年中，深度学习已经改变了计算机视觉领域。深度卷积网络被成功应用于学习不同的视觉任务，如图像分类、图像分割、目标检测等。通过迁移深度模型在大型通用数据集上学到的知识，研究人员进一步能够针对其他更具体的任务创建微调模型。最近，这一思路被应用于从 RGB 图像回归绝对相机位姿。尽管与基于经典特征的方法相比所得精度尚非最优，这一尝试引发了基于学习的位姿估计方法的激增。在此，我们综述用于相机位姿估计的深度学习方法。我们描述了该领域的关键方法，并指出了旨在改进原始深度位姿回归方案的趋势。我们进一步对现有基于学习的位姿估计器进行了广泛的横向比较，并附上其实用执行说明以便于复现。最后，我们讨论了新兴解决方案与潜在的未来研究方向。
引用
@article{arxiv.1907.05272,
title = {Introduction to Camera Pose Estimation with Deep Learning},
author = {Yoli Shavit and Ron Ferens},
journal= {arXiv preprint arXiv:1907.05272},
year = {2019}
}