基于注意力图神经网络深度学习的点线特征匹配立体视觉里程计
计算机视觉与模式识别
2023-08-03 v1 机器人学
摘要
鲁棒的特征匹配构成了大多数视觉同时定位与建图（vSLAM）、视觉里程计、三维重建以及运动恢复结构（SfM）算法的支柱。然而，从缺乏纹理的场景中恢复特征匹配是一项重大挑战，且仍是一个开放的研究领域。本文提出一种基于点特征和线特征的立体视觉里程计（StereoVO）技术，其采用一种基于注意力图神经网络的新型特征匹配机制，该机制旨在即便在雾、霾、雨、雪等恶劣气象条件以及夜间照明和眩光场景等动态光照条件下也能良好工作。我们在多个真实与合成数据集上进行了实验，以验证我们的方法通过鲁棒的点和线匹配在低能见度天气与光照条件下执行 StereoVO 的能力。结果表明，我们的方法比最先进的线匹配算法取得更多的线特征匹配，当其与点特征匹配互补时，在恶劣气象与动态光照条件下表现持续良好。
引用
@article{arxiv.2308.01125,
title = {Stereo Visual Odometry with Deep Learning-Based Point and Line Feature Matching using an Attention Graph Neural Network},
author = {Shenbagaraj Kannapiran and Nalin Bendapudi and Ming-Yuan Yu and Devarth Parikh and Spring Berman and Ankit Vora and Gaurav Pandey},
journal= {arXiv preprint arXiv:2308.01125},
year = {2023}
}