局部支撑全局：带序列增强的深度相机重定位
计算机视觉与模式识别
2019-08-14 v1 机器人学
摘要
我们提出利用图像序列中的局部信息来支撑全局相机重定位。与以往从单幅图像回归全局位姿的方法不同，我们通过引入视觉里程计（VO）组件，利用序列图像中的时空一致性来缓解因视觉歧义带来的不确定性。具体而言，我们引入称为内容增强位姿估计与基于运动的精化两个有效步骤。内容增强步骤聚焦于基于 VO 流构建的局部地图中的共视性来增广观测，从而缓解位姿估计的不确定性。此外，基于运动的精化被表述为位姿图，其中通过采用 VO 组件提供的相对位姿作为附加运动约束进一步优化相机位姿，从而保障全局一致性。在公开室内 7-Scenes 与室外 Oxford RobotCar 基准数据集上的实验表明，得益于序列固有的局部信息，我们的方法优于最先进方法，尤其在纹理不足、高度重复纹理、外观相似与过曝光等挑战性情形下。
引用
@article{arxiv.1908.04391,
title = {Local Supports Global: Deep Camera Relocalization with Sequence Enhancement},
author = {Fei Xue and Xin Wang and Zike Yan and Qiuyuan Wang and Junqiu Wang and Hongbin Zha},
journal= {arXiv preprint arXiv:1908.04391},
year = {2019}
}
备注
Accept to ICCV 2019