基于视觉点与线联合优化的位姿精化
计算机视觉与模式识别
2022-07-27 v2 机器人学
摘要
在预先建立的 3D 环境地图中进行高精度相机重定位技术是增强现实、机器人与自动驾驶等诸多任务的基础。基于点的视觉重定位方法在近几十年发展良好，但在某些无特征场景下不足。本文设计了一套利用点与线进行相机位姿精化的完整流程，包含创新设计的线提取 CNN（名为 VLSE）、线匹配与位姿优化方法。我们采用一种新颖的线表示并基于 Stacked Hourglass 网络定制混合卷积块，以检测图像上准确且稳定的线特征。随后我们应用基于几何的策略，利用对极约束与重投影滤波获得精确的 2D-3D 线对应。接着构建点线联合代价函数，以纯点定位得到的初始粗位姿优化相机位姿。我们在公开数据集上进行了充分实验，即线提取器在 Wireframe 与 YorkUrban 上、定位性能在 InLoc duc1 与 duc2 上，以确认我们点线联合位姿优化方法的有效性。
引用
@article{arxiv.2110.03940,
title = {Pose Refinement with Joint Optimization of Visual Points and Lines},
author = {Shuang Gao and Jixiang Wan and Yishan Ping and Xudong Zhang and Shuzhou Dong and Yuchen Yang and Haikuan Ning and Jijunnan Li and Yandong Guo},
journal= {arXiv preprint arXiv:2110.03940},
year = {2022}
}
备注
Accepted by IROS2022