利用时空梯度联合直接估计三维几何与三维运动
计算机视觉与模式识别
2018-05-18 v1
摘要
传统的基于图像运动的结构从运动方法首先计算光流，然后基于对极约束求解三维运动参数，最后恢复场景的三维几何。然而，光流因正则化产生的误差会导致三维运动与结构出现较大误差。本文研究是否可通过在结构从运动流程早期避免光流估计来提升性能与一致性，并提出了一种仅基于图像梯度（法向流）的新直接方法。其主要思想在于对正深度约束进行重新表述，从而允许使用著名的极小化技术求解三维运动。随后通过加入基于深度的正则化来细化三维运动估计并估计结构。在标准合成数据集及真实世界驾驶基准数据集 KITTI 上使用三种不同光流算法的实验比较表明，该方法在除一种情况外的所有情形中均取得更好精度。此外，它优于现有的基于法向流的三维运动估计技术。最后，所恢复的三维几何也被证明非常精确。
引用
@article{arxiv.1805.06641,
title = {Joint direct estimation of 3D geometry and 3D motion using spatio temporal gradients},
author = {Francisco Barranco and Cornelia Fermüller and Yiannis Aloimonos and Eduardo Ros},
journal= {arXiv preprint arXiv:1805.06641},
year = {2018}
}