基于深度学习的相机定位中三维场景几何感知约束
超导电性
2020-09-16 v1 强关联电子
摘要
相机定位是自动驾驶车辆与移动机器人全局定位自身以进行进一步环境感知、路径规划与运动控制的基础且关键组件。近来，基于卷积神经网络的端到端方法已被广泛研究，以达成甚至超越基于三维几何的传统方法。本工作中，我们提出一种用于绝对相机位姿回归的紧凑网络。受传统方法启发，通过利用包括运动、深度与图像内容在内的所有可用信息，还引入了三维场景几何感知约束。我们通过定义像素级光度损失与图像级结构相似性损失，将该约束作为正则化项加入所提网络。为评估我们的方法，采用所提方法与当前最优方法测试了包含室内外环境的不同挑战性场景。实验结果表明，我们的方法在预测精度与收敛效率上均有显著提升。
引用
@article{arxiv.2005.06146,
title = {Neutron spin resonance in a quasi-two-dimensional iron-based superconductor},
author = {Wenshan Hong and Linxing Song and Bo Liu and Zezong Li and Zhenyuan Zeng and Yang Li and Dingsong Wu and Qiangtao Sui and Tao Xie and Sergey Danilkin and Haranath Ghosh and Abyay Ghosh and Jiangping Hu and Lin Zhao and Xingjiang Zhou and Xianggang Qiu and Shiliang Li and Huiqian Luo},
journal= {arXiv preprint arXiv:2005.06146},
year = {2020}
}
备注
16 pages, 14 figures, including supplementary materials