通过几何感知课程学习掌握单目视觉里程计
计算机视觉与模式识别
2019-11-07 v2 机器学习
机器人学
摘要
受人类与动物认知过程的启发，课程学习（Curriculum Learning, CL）通过逐步增加训练数据的难度来训练模型。在本文中，我们研究 CL 是否能应用于诸如估计单目视觉里程计（Visual Odometry, VO）这类复杂几何问题。与现有 CL 方法不同，我们提出了一种新颖的 CL 策略，通过在训练过程中逐步使学习目标更难来学习单目 VO 的几何结构。为此，我们通过有界位姿回归损失在小窗口上联合优化相对变换与复合变换，提出了一种新颖的几何感知目标函数。我们设计了一个级联光流网络，其后接带有可微窗口化组合层的循环网络，称为 CL-VO，用以学习所提出的目标。在三个真实世界数据集上的评估表明，CL-VO 优于最先进的基于特征与基于学习的 VO。
引用
@article{arxiv.1903.10543,
title = {Learning Monocular Visual Odometry through Geometry-Aware Curriculum Learning},
author = {Muhamad Risqi U. Saputra and Pedro P. B. de Gusmao and Sen Wang and Andrew Markham and Niki Trigoni},
journal= {arXiv preprint arXiv:1903.10543},
year = {2019}
}
备注
accepted in IEEE ICRA 2019