计算机工程与应用

2022, v.58;No.1013(22) 101-107

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于图像对齐和不确定估计的深度视觉里程计
Deep Visual Odometry Based on Image Alignment and Uncertainty Estimation

秦超;闫子飞;

摘要(Abstract):

基于深度学习的视觉里程计方法(deep visual odometry,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(image alignment,IA)的直接视觉里程计方法AUDVO(aligned U-CNN deep VO),通过不确定性估计网络(uncertainty CNN,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(KeyWords): 视觉里程计;深度学习;不确定性估计网络

Abstract:

Keywords:

基金项目(Foundation): 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

作者(Authors): 秦超;闫子飞;

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享