基于RGB与推断深度多层融合的自监督自运动估计
计算机视觉与模式识别
2022-03-04 v1
摘要
在现有的自监督深度与自运动估计方法中，自运动估计通常仅限于利用RGB信息。近来，已有若干方法通过融合来自其他模态（如深度、加速度和角速度）的信息来进一步提升自监督自运动估计的精度。然而，它们很少关注不同融合策略如何影响性能。本文研究了不同融合策略对自运动估计的影响，并提出了一种用于深度与自运动自监督学习的新框架，该框架以多层融合方式利用RGB与推断深度信息进行自运动估计。结果表明，我们在KITTI里程计基准上取得了基于学习的方法中最优（state-of-the-art）的性能。我们还对利用推断深度信息与融合策略的设计选择进行了详细研究，清晰地展示了所提框架的优势。
引用
@article{arxiv.2203.01557,
title = {Self-Supervised Ego-Motion Estimation Based on Multi-Layer Fusion of RGB and Inferred Depth},
author = {Zijie Jiang and Hajime Taira and Naoyuki Miyashita and Masatoshi Okutomi},
journal= {arXiv preprint arXiv:2203.01557},
year = {2022}
}
备注
Accepted to ICRA 2022. Code will be available at https://github.com/Beniko95J/MLF-VO