RobustLoc:挑战性驾驶环境下鲁棒的相机位姿回归
计算机视觉与模式识别
2023-05-26 v4
摘要
相机重定位在自动驾驶中有多种应用。以往的相机位姿回归模型仅考虑环境扰动极小的理想场景。为应对可能存在季节、天气、光照变化以及不稳定物体出现的挑战性驾驶环境,我们提出 RobustLoc,其通过对抗扰动的鲁棒性源自神经微分方程。我们的模型使用卷积神经网络从多视角图像中提取特征图,利用鲁棒神经微分方程扩散块模块进行交互式信息扩散,并采用具有多层训练的 branched 位姿解码器来估计车辆位姿。实验表明,RobustLoc 超越了当前最先进的相机位姿回归模型,并在多种环境中取得鲁棒性能。我们的代码发布于:https://github.com/sijieaaa/RobustLoc
引用
@article{arxiv.2211.11238,
title = {RobustLoc: Robust Camera Pose Regression in Challenging Driving Environments},
author = {Sijie Wang and Qiyu Kang and Rui She and Wee Peng Tay and Andreas Hartmannsgruber and Diego Navarro Navarro},
journal= {arXiv preprint arXiv:2211.11238},
year = {2023}
}
备注
Accepted by AAAI 2023