基于相对几何感知孪生神经网络的6DOF相机重定位
计算机视觉与模式识别
2020-11-10 v2
摘要
6DOF相机重定位是自动驾驶与导航的重要组成部分。深度学习近来已成为解决该问题的一项有前景的技术。本文提出一种新颖的相对几何感知孪生神经网络，通过显式利用图像间的相对几何约束来提升基于深度学习方法的效果。我们进行多任务学习，同时预测绝对位姿与相对位姿。我们在位姿域与特征域中对共享权重的双网络进行正则化，以确保估计的位姿在全局与局部上均正确。我们采用度量学习并设计一种新颖的自适应度量距离损失，以学习能够区分来自不同位置视觉相似图像位姿的特征。我们在公开室内与室外基准上评估所提方法，实验结果表明我们的方法能显著提升定位性能。此外，我们进行了大量消融实验以证明损失函数各项的有效性。
引用
@article{arxiv.1901.01049,
title = {Relative Geometry-Aware Siamese Neural Network for 6DOF Camera Relocalization},
author = {Qing Li and Jiasong Zhu and Rui Cao and Ke Sun and Jonathan M. Garibaldi and Qingquan Li and Bozhi Liu and Guoping Qiu},
journal= {arXiv preprint arXiv:1901.01049},
year = {2020}
}