关于从深度学习视觉里程计引擎设计一致性协方差恢复的研究

通过利用大规模数据集，深度学习技术在提供准确的视觉里程计解决方案方面取得了显著进展。然而，为这些方法生成不确定性估计仍然是一项挑战。贝叶斯框架中的传统传感器融合方法已经非常成熟，但具有数百万参数的深度学习技术缺乏有效的不确定性估计方法。本文解决了单目视觉里程计中预训练深度学习模型的不确定性估计问题。我们提出在深度学习网络的隐式层上构建因子图以恢复相对协方差估计，从而允许我们确定视觉里程计 (VO) 解的协方差。我们通过对 EUROC 数据集上的协方差模型进行经验分析，展示了深度学习引擎协方差近似的一致性，以证明我们公式的正确性。