即时重建：使用单视图深度预测器作为先验修复稀疏地图
计算机视觉与模式识别
2018-11-21 v1
摘要
我们提出“即时重建”作为一种实时的图像引导地图修复方法，该地图具有任意尺度与稀疏度，可为图像生成完全稠密的深度图。具体而言，我们的目标是以单视图深度预测网络作为虚拟深度传感器，修复由单目视觉 SLAM 系统或稀疏传感器获取的稀疏地图。我们采用一种相当标准的数据融合方法，通过对一种新颖的全连接条件随机场（CRF）进行推断来生成融合深度图，该 CRF 由输入深度图及其逐像素置信权重参数化。关键在于，我们以数据依赖的方式，通过卷积神经网络（CNNs）获得参数化 CRF 模型的置信权重，这些 CNN 被训练为在给定各输入深度图来源及关联 RGB 图像时建模条件深度误差分布。我们的 CRF 模型在其节点中惩罚绝对深度误差，在其边中惩罚尺度不变深度误差，且基于置信的融合最小化了离群输入深度值对融合结果的影响。我们通过实时修复 ORB-SLAM、Kinect 与 LIDAR 深度图（获取于室内外、任意尺度及不同量的不规则稀疏度）展示了方法的灵活性。
引用
@article{arxiv.1805.04239,
title = {Just-in-Time Reconstruction: Inpainting Sparse Maps using Single View Depth Predictors as Priors},
author = {Chamara Saroj Weerasekera and Thanuja Dharmasiri and Ravi Garg and Tom Drummond and Ian Reid},
journal= {arXiv preprint arXiv:1805.04239},
year = {2018}
}
备注
ICRA 2018