S3E-GNN：基于图神经网络的稀疏空间场景嵌入用于相机重定位
计算机视觉与模式识别
2022-05-13 v1 人工智能
机器人学
摘要
相机重定位是同步定位与建图（SLAM）系统的关键组件。本文提出一种基于学习的方法，称为基于图神经网络的稀疏空间场景嵌入（S3E-GNN），作为一个端到端框架，用于高效且鲁棒的相机重定位。S3E-GNN由两个模块组成。在编码模块中，训练好的S3E网络将RGB图像编码为嵌入码，以隐式表示空间与语义嵌入码。利用嵌入码以及从SLAM系统获得的关联位姿，每幅图像被表示为位姿图中的一个图节点。在GNN查询模块中，该位姿图被转换以形成用于相机重定位的嵌入聚合参考图。我们在具有挑战性的环境中收集了多种场景数据集进行实验。我们的结果表明，由于基于学习的嵌入和由GNN驱动的场景匹配机制，S3E-GNN方法在相机重定位上优于传统的词袋（BoW）方法。
引用
@article{arxiv.2205.05861,
title = {S3E-GNN: Sparse Spatial Scene Embedding with Graph Neural Networks for Camera Relocalization},
author = {Ran Cheng and Xinyu Jiang and Yuan Chen and Lige Liu and Tao Sun},
journal= {arXiv preprint arXiv:2205.05861},
year = {2022}
}