通过使域地图适应深度预测误差实现无人机鲁棒单目定位
计算机视觉与模式识别
2022-10-28 v1 人工智能
机器学习
机器人学
图像与视频处理
摘要
我们提出一种新颖的单目定位框架，通过联合训练基于深度学习的深度预测与基于贝叶斯滤波的位姿推理。所提出的跨模态框架在模型可扩展性和对环境变化的容忍度方面显著优于仅用深度学习的预测。具体而言，即使轻量级深度预测器给出极差的深度估计，我们也显示出位姿精度几乎无退化。与标准深度学习相比，即使在无显式域自适应的情形下，我们的框架在极端光照变化中也保持高位姿精度。通过开放表示地图与中间特征图（如深度估计），我们的框架还允许更快的更新并复用中间预测用于其他任务，如避障，从而大幅提高资源效率。
引用
@article{arxiv.2210.15559,
title = {Robust Monocular Localization of Drones by Adapting Domain Maps to Depth Prediction Inaccuracies},
author = {Priyesh Shukla and Sureshkumar S. and Alex C. Stutts and Sathya Ravi and Theja Tulabandhula and Amit R. Trivedi},
journal= {arXiv preprint arXiv:2210.15559},
year = {2022}
}