基于通用目标检测的 MonoSLAM 概率全局尺度估计
计算机视觉与模式识别
2017-05-30 v1
摘要
本文提出了一种在基于 Kalman 滤波的单目 SLAM 算法中估计 3D 重建模型全局尺度的新方法。我们的贝叶斯框架基于快速通用目标检测的最新进展，融合了属于一组广泛预定义类别的被检测物体的高度先验。每次观测均在单帧上产生，因此我们不需要沿视频帧进行数据关联过程。这是因为我们将高度先验与地图特征投影落在目标检测区域内的图像位置处的图像区域大小相关联。我们在不同目标类别的多项实验中展示了该方法极具前景的结果。
引用
@article{arxiv.1705.09860,
title = {Probabilistic Global Scale Estimation for MonoSLAM Based on Generic Object Detection},
author = {Edgar Sucar and Jean-Bernard Hayet},
journal= {arXiv preprint arXiv:1705.09860},
year = {2017}
}
备注
Int. Workshop on Visual Odometry, CVPR, (July 2017)