PoseINN：基于可逆神经网络的实时视觉姿态回归与定位
机器人学
2024-05-08 v3 计算机视觉与模式识别
摘要
从相机估计自车姿态是机器人学中的一个重要问题，应用范围从移动机器人到增强现实。虽然最先进的模型变得越来越精确，但由于计算成本高，它们仍然可能难以处理。在本文中，我们提出使用可逆神经网络(INN)来寻找给定场景的图像潜在空间与姿态之间的映射，从而解决该问题。我们的模型在训练速度更快且仅需离线渲染低分辨率合成数据的情况下，实现了与最先进方法相似的性能。通过使用归一化流，所提出的方法还为输出提供了不确定性估计。我们还通过在移动机器人上部署模型展示了该方法的效率。
引用
@article{arxiv.2404.13288,
title = {PoseINN: Realtime Visual-based Pose Regression and Localization with Invertible Neural Networks},
author = {Zirui Zang and Ahmad Amine and Rahul Mangharam},
journal= {arXiv preprint arXiv:2404.13288},
year = {2024}
}