用于 6 自由度定位与稠密三维映射的变分状态空间模型
机器学习
2021-03-16 v3 计算机视觉与模式识别
机器学习
摘要
我们将空间环境中的 6 自由度（6-DoF）定位与三维稠密重建问题求解为深度状态空间模型中的近似贝叶斯推断。我们的方法利用了来自多视几何与刚体动力学的学习能力和领域知识。这产生了一种具有表现力的世界预测模型，而该模型在当前的先进视觉 SLAM 解决方案中常常缺失。变分推断、神经网络与可微光线投射器的结合确保了我们的模型适用于端到端的基于梯度的优化。我们在真实的无人机飞行数据上评估了我们的方法，逼近了先进视觉-惯性里程计系统的性能。我们展示了该模型在生成式预测与规划上的适用性。
引用
@article{arxiv.2006.10178,
title = {Variational State-Space Models for Localisation and Dense 3D Mapping in 6 DoF},
author = {Atanas Mirchev and Baris Kayalibay and Patrick van der Smagt and Justin Bayer},
journal= {arXiv preprint arXiv:2006.10178},
year = {2021}
}
备注
Update for ICLR2021