RegNet：基于深度神经网络的多模态传感器配准
计算机视觉与模式识别
2017-07-12 v1 人工智能
机器学习
机器人学
摘要
本文提出RegNet，首个深度卷积神经网络（CNN），用于推断多模态传感器之间的6自由度（DOF）外参标定，以扫描LiDAR和单目相机为例。与现有方法相比，RegNet将三个传统标定步骤（特征提取、特征匹配和全局回归）整合到单个实时CNN中。我们的方法不需要任何人工交互，并弥合了经典离线和无目标在线标定方法之间的差距，因为它提供稳定的初始估计以及外参参数的连续在线校正。在训练期间，我们随机去标定系统以训练RegNet推断投影深度测量与RGB图像之间的对应关系，并最终回归外参标定。此外，通过迭代执行多个在不同去标定量级上训练的CNN，我们的方法在旋转分量平均标定误差0.28度和平移分量6 cm方面优于最先进方法，即使对于高达1.5 m和20度的大去标定也是如此。
引用
@article{arxiv.1707.03167,
title = {RegNet: Multimodal Sensor Registration Using Deep Neural Networks},
author = {Nick Schneider and Florian Piewak and Christoph Stiller and Uwe Franke},
journal= {arXiv preprint arXiv:1707.03167},
year = {2017}
}
备注
published in IEEE Intelligent Vehicles Symposium, 2017