MDN-VO：带置信度估计的视觉里程计
计算机视觉与模式识别
2022-09-19 v1 机器人学
摘要
视觉里程计（VO）被广泛应用于包括机器人和自主系统在内的许多领域。然而，基于特征匹配的传统方法计算开销大，且不能直接处理失效情况，而是依赖启发式方法来检测失效。在这项工作中，我们提出了一种基于深度学习的 VO 模型，以高效估计 6 自由度位姿，以及这些估计的置信度模型。我们利用 CNN-RNN 混合模型从图像序列中学习特征表示。随后采用混合密度网络（MDN），基于提取的时空表示将相机运动估计为高斯混合。我们的模型使用位姿标签作为监督来源，但以无监督方式推导不确定性。我们在 KITTI 和 nuScenes 数据集上评估了所提模型，并报告了广泛的定量和定性结果以分析位姿与不确定性估计的性能。我们的实验表明，除利用预测位姿不确定性检测失效情况外，所提模型性能超越最先进水平。
引用
@article{arxiv.2112.12812,
title = {MDN-VO: Estimating Visual Odometry with Confidence},
author = {Nimet Kaygusuz and Oscar Mendez and Richard Bowden},
journal= {arXiv preprint arXiv:2112.12812},
year = {2022}
}