深度学习中对相机重定位不确定性的建模
计算机视觉与模式识别
2016-02-19 v2 机器人学
摘要
我们提出一个鲁棒实时的单目六自由度视觉重定位系统。我们使用贝叶斯卷积神经网络从单张RGB图像回归6-DOF相机位姿。它以端到端方式训练，无需额外工程或图优化。该算法可实时在室内外运行，计算耗时低于6ms。对于非常大尺度室外场景其获得约2m和6度精度，室内为0.5m和10度精度。使用贝叶斯卷积神经网络实现，我们获得模型重定位不确定性的估计，并在大尺度室外数据集上改进了最先进定位精度。我们利用不确定性度量估计度量重定位误差并检测输入图像中场景的存在与否。我们展示模型的不确定性由图像在位姿或外观上与训练数据集不相似引起。
引用
@article{arxiv.1509.05909,
title = {Modelling Uncertainty in Deep Learning for Camera Relocalization},
author = {Alex Kendall and Roberto Cipolla},
journal= {arXiv preprint arXiv:1509.05909},
year = {2016}
}
备注
ICRA 2016; Fixed numerical error with rotation results