MotionHint：基于运动约束的自监督单目视觉里程计
计算机视觉与模式识别
2026-02-20 v4 机器人学
摘要
我们提出一种名为 MotionHint 的考虑运动约束的新型自监督单目视觉里程计（VO）算法。我们方法的一个关键方面是使用适当的运动模型，可帮助现有自监督单目 VO（SSM-VO）算法克服其自监督损失函数中的局部极小问题。该运动模型由一个名为 PPnet 的神经网络表达，经训练可粗略预测相机的下一姿态及该预测的不确定性。我们的自监督方法结合了原始损失与运动损失，即预测值与生成的自我运动之间的加权差值。以两个现有 SSM-VO 系统为基线，我们在标准 KITTI 基准上评估了 MotionHint 算法。实验结果表明，MotionHint 算法可轻松应用于现有开源最先进 SSM-VO 系统，将所得 ATE 最多降低 28.73%，从而大幅提升性能。
引用
@article{arxiv.2109.06768,
title = {MotionHint: Self-Supervised Monocular Visual Odometry with Motion Constraints},
author = {Cong Wang and Yu-Ping Wang and Dinesh Manocha},
journal= {arXiv preprint arXiv:2109.06768},
year = {2026}
}
备注
Accepted by ICRA 2022