基于光流辅助惯性导航的运动追踪
计算机视觉与模式识别
2020-06-25 v1 机器学习
摘要
便携式设备上鲁棒且准确的六自由度追踪仍是一个挑战性问题，尤其在智能手机等小型手持设备上。为提升鲁棒性与准确性，常将来自IMU与摄像机的互补运动信息相融合。传统的视觉-惯性方法将IMU信息与由设备摄像机追踪的稀疏特征点云融合。我们考虑一种视觉稠密方法，将IMU数据与由摄像机数据估计的稠密光流场融合。应用于全图像帧的基于学习的方法可利用视觉线索与流场的全局一致性来改善流估计。我们展示了如何将基于学习的光流模型与传统惯性导航结合，以及概率深度学习中的思想如何提升测量更新的鲁棒性。在实际适用性方面，使用iPad在具有挑战性的低纹理环境中获取的真实数据进行了演示。
引用
@article{arxiv.2006.13856,
title = {Movement Tracking by Optical Flow Assisted Inertial Navigation},
author = {Lassi Meronen and William J. Wilkinson and Arno Solin},
journal= {arXiv preprint arXiv:2006.13856},
year = {2020}
}