irca slam與深度學習結合論文總結
阿新 • • 發佈:2021-01-14
1 UnDeepVO: Monocular Visual Odometry through Unsupervised Deep Learning
文件存放名稱:1-UnDeepVO
Abstract總結:本文提出一個新的VO系統,可以實現單目影象的6個自由度的姿態估計,主要亮點:(1)採用無監督的深度學習架構 (2) 可以恢復出絕對的尺度。
疑問:1 如何使用深度學習來構建VO系統,如何訓練,最後的預測結果(6維姿態估計,深度)如何得到?
主要架構:
Introduction總結:
基於模型或者幾何的VO分為特徵法和直接法,取得不錯的效果,但是有一些缺點:對相機引數敏感、對複雜環境難以勝任(弱紋理、運動模糊、光照複雜)。資料驅動的VO或者基於深度學習的VO由於魯棒性好具有很大的潛力,如最開始將深度學習應用在重定位,使用rgb影象作為輸入用CNN做6個自由度的姿態估計,給定光流使用基於CNN的端到端VO系統,基於RCNN的VO方法取得和基於模型的方法接近的效能,DeMoN可以同時估計相機運動和影象深度、表面法向量和光流,還有基於深度學習的VIO。
UnDeepVO主要貢獻:(1)利用時空關係提出一種無監督學習的單目VO系統(2)估計位姿和影象深度的同時可以恢復尺度(3)系統在KITTI上表現不錯
系統概述