利用一致的时空对应关系提升视觉里程计鲁棒性
计算机视觉与模式识别
2025-03-11 v4
摘要
近期的VO方法通过使用深度网络预测视频帧之间的光流显著提高了性能。然而，现有方法仍受噪声和不一致的光流匹配制约，难以处理挑战性场景和长序列估计。为克服这些挑战，我们引入了时空视觉里程计（STVO），一种新型深度网络架构，有效利用固有的时空线索来提高多帧光流匹配的准确性和一致性。通过更准确和一致的光流匹配，STVO能够通过束积调整（BA）实现更好的姿态估计。具体而言，STVO引入了两个创新组件：1）时序传播模块利用多帧信息提取和跨相邻帧传播时序线索，保持时序一致性；2）空间激活模块利用深度图中的几何先验来增强空间一致性，同时过滤过多的噪声和不正确匹配。我们的STVO在TUM-RGBD、EuRoc MAV、ETH3D和KITTI Odometry基准测试中实现了最先进的性能。值得注意的是，在ETH3D基准测试中准确率提升了77.8%，在KITTI Odometry基准测试中提升了38.9%。
引用
@article{arxiv.2412.16923,
title = {Leveraging Consistent Spatio-Temporal Correspondence for Robust Visual Odometry},
author = {Zhaoxing Zhang and Junda Cheng and Gangwei Xu and Xiaoxiang Wang and Can Zhang and Xin Yang},
journal= {arXiv preprint arXiv:2412.16923},
year = {2025}
}