基于点与线的不确定性感知相机位姿估计
计算机视觉与模式识别
2021-07-09 v1
摘要
透视 n 点线（PPL）算法旨在基于 2D-3D 特征对应从 3D 模型快速、准确、鲁棒地实现相机定位，是现代机器人与 AR/VR 系统的重要组成部分。当前基于点的位姿估计方法仅使用 2D 特征检测不确定性，而基于线的方法未考虑不确定性。在我们的设定中，特征的 3D 坐标与 2D 投影均视为不确定。我们提出基于 EPnP 与 DLS 的 PnP(L) 求解器用于不确定性感知位姿估计。我们还改进仅运动束调整（motion-only bundle adjustment）以考虑 3D 不确定性。我们在两个不同视觉里程计数据集上进行了详尽的合成与真实实验。新的 PnP(L) 方法在独立真实数据上优于最先进方法，在 KITTI 代表性子集上平均平移精度提升 18%，而新的不确定性细化提高了多数求解器的位姿精度，例如相较同数据集标准细化使 EPnP 平均平移误差降低 16%。代码见 https://alexandervakhitov.github.io/uncertain-pnp/。
引用
@article{arxiv.2107.03890,
title = {Uncertainty-Aware Camera Pose Estimation from Points and Lines},
author = {Alexander Vakhitov and Luis Ferraz Colomina and Antonio Agudo and Francesc Moreno-Noguer},
journal= {arXiv preprint arXiv:2107.03890},
year = {2021}
}
备注
CVPR 2021