10.19306/j.cnki.2095-8110.2023.02.010
无监督深度学习单目视觉里程计研究
针对传统单目视觉里程计存在的尺度漂移和尺度不一致问题,提出了一种基于无监督深度学习的单目视觉里程计.首先,联合使用空间几何约束和图像相似性约束,得到长序列尺度一致的深度估计网络和鲁棒的光流估计网络;然后,对密集光流进行采样,得到精确的稀疏对应关系,减少尺度漂移;最后,根据改进的ORB-SLAM初始化方法,选择最优跟踪方式,结合深度信息进行尺度对齐,从而得到全局尺度一致的视觉里程计.在KITTI数据集上进行大量实验,结果表明,相较于ORB-SLAM2和基于深度学习的端到端的视觉里程计系统,该算法在通用评估指标方面性能有明显提升,验证了该算法的有效性.
视觉里程计、无监督深度学习、深度估计、光流估计、尺度、稀疏匹配
10
TP391.4(计算技术、计算机技术)
国家重点研发计划;湖南省自然科学基金项目;湖南省教育厅重点项目
2023-05-30(万方平台首次上网日期,不代表论文的发表时间)
共8页
74-81