基于四元数平均与深度多头网络的概率化旋转回归
计算机视觉与模式识别
2020-05-11 v2 机器学习
机器人学
摘要
准确的旋转估计对于增强现实和机器人中基于视觉的运动估计至关重要。在这项工作中，我们提出了一种从深度回归模型中提取旋转概率估计的方法。首先，我们在先前工作的基础上论证，我们命名为 HydraNet 的多头网络结构比依赖随机前向传播的方法提供了更好的校准不确定性估计。其次，我们通过回归单位四元数并利用旋转平均和流形上的不确定性注入工具来生成三维协方差，将 HydraNet 扩展到属于旋转群 SO(3) 的目标。最后，我们在一个合成数据集上展示了结果和分析，在 7-Scenes 数据集上学习到一致的朝向估计，并展示我们如何能够利用学习到的协方差将相对朝向的深度估计与经典立体视觉里程计融合，以改进 KITTI 数据集上的定位。
引用
@article{arxiv.1904.03182,
title = {Probabilistic Regression of Rotations using Quaternion Averaging and a Deep Multi-Headed Network},
author = {Valentin Peretroukhin and Brandon Wagstaff and Matthew Giamou and Jonathan Kelly},
journal= {arXiv preprint arXiv:1904.03182},
year = {2020}
}
备注
A shortened version of this work appears in the Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR'19) Workshop on Uncertainty and Robustness in Deep Visual Learning, Long Beach, California, USA, Jun. 16-20 2019, pp. 83-86