ViPR：用于6自由度相机定位的视觉里程计辅助位姿回归
计算机视觉与模式识别
2020-06-25 v3 机器学习
机器人学
图像与视频处理
摘要
视觉里程计（VO）在长期机器人导航任务中会累积位置漂移。尽管卷积神经网络（CNNs）在多方面改进了VO，其仍受移动障碍物、特征观测不连续以及纹理或视觉信息贫乏的困扰。近期方法或从（一系列）图像直接估计6自由度位姿，或将深度图与光流（OF）融合，但将绝对位姿回归与光流结合的研究十分有限。我们提出ViPR，一种新颖的模块化架构，用于长期6自由度VO，它通过循环层结合来自PoseNet类模块的绝对位姿估计与基于FlowNet模块的相对位姿估计，从而利用时间信息及二者间的协同作用。在已知数据集及我们自有的Industry数据集上的实验表明，我们的模块化设计在长期导航任务中优于当前最优方法。
引用
@article{arxiv.1912.08263,
title = {ViPR: Visual-Odometry-aided Pose Regression for 6DoF Camera Localization},
author = {Felix Ott and Tobias Feigl and Christoffer Löffler and Christopher Mutschler},
journal= {arXiv preprint arXiv:1912.08263},
year = {2020}
}
备注
Conf. on Computer Vision and Pattern Recognition (CVPR): Joint Workshop on Long-Term Visual Localization, Visual Odometry and Geometric and Learning-based SLAM 2020