-
题名基于图像对齐和不确定估计的深度视觉里程计
被引量：1
- 1
-
-
作者
秦超
闫子飞
-
机构
哈尔滨工业大学建筑学院媒体技术与艺术系
-
出处
《计算机工程与应用》
CSCD
北大核心
2022年第22期101-107,共7页
-
基金
国家自然科学基金面上项目(61872118)
文旅部重点实验室资助项目。
-
文摘
基于深度学习的视觉里程计方法(deepvisualodometry,DVO)通过神经网络直接估计单目图像的深度和相邻图像之间的相机运动,在保证精度的同时大大提高了运行速度。但这是基于灰度不变假设,作为一个很强的假设,灰度不变假设在现实场景中往往难以满足。为此,提出一种基于图像对齐(imagealignment,IA)的直接视觉里程计方法AUDVO(alignedU-CNNdeepVO),通过不确定性估计网络(uncertaintyCNN,U-CNN)引入正则项进行约束,使得估计的结果更具鲁棒性。为了处理大面积纹理缺失区域上因估计不准确带来的空洞,在设计深度估计模块时通过嵌入超分辨率网络进行上采样。在公开的KITTI数据集上的实验证明了AUDVO在深度和相机位姿估计上的有效性。
-
关键词
视觉里程计
深度学习
不确定性估计网络
-
Keywords
visual odometry
deep learning
uncertainty estimation network
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
