利用重定位级联在新场景中实时估计 RGB-D 相机位姿

相机位姿估计是计算机视觉中的一个重要问题。常见技术或将当前图像与已知位姿的关键帧匹配、直接回归位姿，或在图像中的关键点与场景中的点之间建立对应以估计位姿。近年来，回归森林已成为建立此类对应的流行替代方案。它们取得准确结果，但传统上需要在目标场景上离线训练，从而阻碍了在新环境中的重定位。最近，我们展示了如何通过在线调整预训练森林以适应新场景来规避此限制。调整后的森林达到了与离线森林相当的重定位性能，且我们的方法能够以接近实时的速度估计相机位姿。在本文中，我们提出了这项工作的扩展，其在完全实时运行的同时实现了显著更好的重定位性能。为此，我们对原始方法做了若干改动：（i）不再无条件接受相机位姿假设，而是使最终少数假设可使用几何方法进行评分并选择最有希望的；（ii）我们将重定位器的若干实例级联链式连接，从而先尝试更快但不太准确的重定位，仅在必要时回退到更慢、更准确的重定位；（iii）我们调整级联参数以实现有效的整体性能。这些改动使我们能在著名的 7-Scenes 和 Stanford 4 Scenes 基准上显著超越我们原始最先进方法所能达到的性能。作为额外贡献，我们提出了一种可视化森林内部行为的方法，并展示了如何完全规避在通用场景上预训练森林的需要。