用于基于模型的相机位姿估计的视野外特征点预测
计算机视觉与模式识别
2018-03-06 v1 机器人学
摘要
本文提出一种利用深度学习预测输入图像中视野外物体特征点的新框架。该系统的开发以基于模型的跟踪应用为出发点，特别是在自主巡检机器人仅能获取物体部分视图的情况下。通过对网络训练期间的特征点标签施加缩放，实现了视野外预测。这结合了一种循环神经网络架构，旨在为最终预测层提供来自输入图像空间范围的丰富特征信息。为展示这些视野外预测的通用性，我们描述了如何将其集成到粒子滤波跟踪器与基于优化的跟踪器中。为评估我们的工作，我们将该框架与仅预测图像内点的框架进行比较。我们表明，随着视野中物体占比的减少，能够预测图像边界之外的点增强了最终位姿估计的鲁棒性。
引用
@article{arxiv.1803.01577,
title = {Predicting Out-of-View Feature Points for Model-Based Camera Pose Estimation},
author = {Oliver Moolan-Feroze and Andrew Calway},
journal= {arXiv preprint arXiv:1803.01577},
year = {2018}
}
备注
Submitted to IROS 2018