SASSE：可扩展且自适应的六自由度位姿估计
计算机视觉与模式识别
2019-02-06 v1
摘要
视觉定位已成为许多地点识别与SLAM系统的关键使能组件。当代研究主要聚焦于提升准确率与查准率-查全率类指标，而相对忽视了系统的绝对存储扩展特性、对可用计算资源的灵活适应能力，以及通过轻松整合新学习或手工设计的图像描述子所具备的 longevity。最为显著的是，这些方面中某一点的改进通常以牺牲其他方面为代价：例如，实现亚线性存储成本的基于快照的系统通常无法提供度量位姿估计；或者，高精度的位姿估计技术往往在适应近期外观不变特征的进展时显得僵化。本文中，我们提出了一种新颖的六自由度定位系统，首次同时实现上述三大特性：显著的亚线性存储增长、对图像描述子的无关性，以及针对可用存储与计算资源的可定制性。我们方法的关键特征基于多标签学习的新颖适配，结合有效的降维与学习技术，从而实现简单高效的优化。我们在多个大型基准数据集上评估了本系统，并与最先进系统进行了详细对比。所提方法在与现有位姿估计方法精度相当的同时，实现了更优的亚线性存储扩展、显著降低的绝对存储需求，以及更快的训练与部署速度。
引用
@article{arxiv.1902.01549,
title = {SASSE: Scalable and Adaptable 6-DOF Pose Estimation},
author = {Huu Le and Tuan Hoang and Qianggong Zhang and Thanh-Toan Do and Anders Eriksson and Michael Milford},
journal= {arXiv preprint arXiv:1902.01549},
year = {2019}
}