用于在线相机重定位的回归森林即时自适应
计算机视觉与模式识别
2017-06-27 v2
摘要
相机重定位是计算机视觉中的一个重要问题，应用于同步定位与建图、虚拟/增强现实和导航等领域。常用技术要么将当前图像与来自跟踪器的具有已知位姿的关键帧进行匹配，要么建立当前图像中的关键点与场景中点之间的 2D 到 3D 对应关系，以估计相机位姿。最近，回归森林已成为建立此类对应关系的流行替代方案。它们能取得准确的结果，但必须在目标场景上进行离线训练，从而无法在新环境中进行重定位。在本文中，我们展示了如何通过即时将预训练的森林适应新场景来规避这一限制。我们适应后的森林实现了与离线森林相当的重定位性能，且我们的方法运行时间低于 150ms，使其适用于需要在线重定位的实时系统。
引用
@article{arxiv.1702.02779,
title = {On-the-Fly Adaptation of Regression Forests for Online Camera Relocalisation},
author = {Tommaso Cavallari and Stuart Golodetz and Nicholas A. Lord and Julien Valentin and Luigi Di Stefano and Philip H. S. Torr},
journal= {arXiv preprint arXiv:1702.02779},
year = {2017}
}
备注
To appear in the proceedings of CVPR 2017