SD-6DoF-ICLK：SE(3) 上的稀疏深度逆组合 Lucas-Kanade 算法
计算机视觉与模式识别
2021-03-31 v1 机器人学
摘要
本文提出 SD-6DoF-ICLK，一种基于学习的逆组合 Lucas-Kanade (ICLK) 流程，它利用稀疏深度信息来优化在 SE(3) 上最佳对齐两幅图像的相对位姿。为计算这一六自由度(DoF)相对变换，所提公式仅需要其中一幅图像中的稀疏深度信息，而这通常是视觉-惯性里程计或同步定位与建图(SLAM)流程中唯一可用的深度来源。在一个可选的后继步骤中，该框架利用个体特征对齐与光束法平差进一步细化特征位置及相对位姿，以实现位姿与结构重对齐。所得的具有亚像素精度的稀疏点对应及细化后的相对位姿可用于深度图生成，或该图像对齐模块可嵌入里程计或建图框架中。在渲染图像上的实验表明，前向 SD-6DoF-ICLK 对分辨率为 752 x 480 像素的图像对以每对 145 ms 运行，且大幅优于经典的稀疏 6DoF-ICLK 算法，使其成为严苛条件下鲁棒图像对齐的理想框架。
引用
@article{arxiv.2103.16528,
title = {SD-6DoF-ICLK: Sparse and Deep Inverse Compositional Lucas-Kanade Algorithm on SE(3)},
author = {Timo Hinzmann and Roland Siegwart},
journal= {arXiv preprint arXiv:2103.16528},
year = {2021}
}
备注
Initial submission; 7 pages, 3 figures, 2 tables