VGF-Net：面向无人机同步导航与高度建图的视觉-几何融合学习
计算机视觉与模式识别
2021-04-08 v1
摘要
无人机导航需要对其所处 3D 世界中视觉与几何信息的综合理解。本文提出视觉-几何融合网络（VGF-Net），一种用于视觉/几何数据融合分析并为新环境中无人机同步导航构建 2.5D 高度图的深度网络。给定初始粗糙高度图与 RGB 图像序列，我们的 VGF-Net 提取场景视觉信息，以及捕捉场景中物体间几何关系的稀疏 3D 关键点集合。在数据驱动下，VGF-Net 自适应融合视觉与几何信息，形成统一的视觉-几何表示。该表示被输入一种新的方向注意力模型（DAM），其有助于增强视觉-几何物体关系，并传播信息以动态精炼高度图及相应关键点。整个端到端信息融合与建图系统形成，在跨复杂室内与大规模室外场景的自主无人机导航中展现出显著鲁棒性与高精度。数据集见 http://vcc.szu.edu.cn/research/2021/VGFNet。
引用
@article{arxiv.2104.03109,
title = {VGF-Net: Visual-Geometric Fusion Learning for Simultaneous Drone Navigation and Height Mapping},
author = {Yilin Liu and Ke Xie and Hui Huang},
journal= {arXiv preprint arXiv:2104.03109},
year = {2021}
}
备注
Accepted by CVM 2021