RePoseD：利用已知深度信息的高效相对位姿估计
计算机视觉与模式识别
2025-04-04 v3
摘要
单目深度估计方法（MDE）的最新进展及其提升的精度为其应用开辟了新的可能性。在本文中，我们研究了如何将单目深度估计用于相对位姿估计。具体而言，我们有兴趣回答这样一个问题：使用 MDE 是否比传统的基于点的方法能改善结果。我们提出了一个新框架，利用带有相关单目深度的点对应关系来估计两个相机的相对位姿。由于深度预测通常定义在未知尺度下，甚至未知尺度和偏移参数下，我们的求解器在估计相对位姿的同时联合估计尺度或尺度和偏移参数。针对三种相机配置，我们推导了考虑不同深度类型的高效求解器：(1) 两个已标定相机，(2) 两个具有未知共享焦距的相机，以及 (3) 两个具有未知不同焦距的相机。我们的新求解器在速度和精度上均优于最先进的深度感知求解器。在多个数据集上使用各种 MDE 进行的大量真实实验中，我们讨论了在何种情况下应优先使用哪种深度感知求解器。代码将公开发布。
引用
@article{arxiv.2501.07742,
title = {RePoseD: Efficient Relative Pose Estimation With Known Depth Information},
author = {Yaqing Ding and Viktor Kocur and Václav Vávra and Zuzana Berger Haladová and Jian Yang and Torsten Sattler and Zuzana Kukelova},
journal= {arXiv preprint arXiv:2501.07742},
year = {2025}
}
备注
18 pages