SF2SE3：通过提议与选择将场景流聚类为 SE(3) 运动
计算机视觉与模式识别
2022-09-28 v2
摘要
我们提出 SF2SE3，一种以分割为独立运动的刚体对象及其 SE(3)-运动来估计场景动态的新方法。SF2SE3 作用于两帧连续的立体或 RGB-D 图像。首先，通过应用现有的光流与深度估计算法获得带噪声的场景流。随后 SF2SE3 迭代地 (1) 采样像素集以计算 SE(3)-运动提议，以及 (2) 依据最大覆盖公式选择最佳的 SE(3)-运动提议。最后，基于与输入场景流的一致性及空间邻近性，将像素唯一地分配给所选 SE(3)-运动以形成对象。主要创新在于更具信息量的运动提议采样策略，以及用于提议选择的最大覆盖公式。我们在多个数据集上评估了 SF2SE3 在场景流估计、对象分割与视觉里程计上的应用。SF2SE3 在场景流估计上与 SOTA 持平，并在分割与里程计上更精确。
引用
@article{arxiv.2209.08532,
title = {SF2SE3: Clustering Scene Flow into SE(3)-Motions via Proposal and Selection},
author = {Leonhard Sommer and Philipp Schröppel and Thomas Brox},
journal= {arXiv preprint arXiv:2209.08532},
year = {2022}
}
备注
German Conference on Pattern Recognition 2022, Konstanz, Germany