基于变分贝叶斯扩展卡尔曼滤波器的学习型单目定位方法
计算机视觉与模式识别
2025-02-03 v1 人工智能
摘要
本文针对学习型单目定位中的挑战，提出了VKFPos——一种新方法，集成了绝对姿态回归（APR）和相对姿态回归（RPR），并在变分贝叶斯推断框架内置入扩展卡尔曼滤波器（EKF）。我们的方法表明，单目定位问题的关键后验概率可分解为APR和RPR组件。这种分解通过在APR和RPR分支中预测协方差矩阵来嵌入深度学习模型，从而允许它们考虑相关不确定性。这些协方差矩阵增强了损失函数并促进了EKF集成。在室内和室外数据集上的实验评估表明，单次APR分支的精度与最先进的方法相当。此外，对于利用连续图像进行RPR和EKF集成的时序定位，VKFPos超过了时序APR和基于模型的集成方法，实现了卓越的精度。
引用
@article{arxiv.2501.18994,
title = {VKFPos: A Learning-Based Monocular Positioning with Variational Bayesian Extended Kalman Filter Integration},
author = {Jian-Yu Chen and Yi-Ru Chen and Yin-Qiao Chang and Che-Ming Li and Jann-Long Chern and Chih-Wei Huang},
journal= {arXiv preprint arXiv:2501.18994},
year = {2025}
}