基于改进双流网络结构的视觉里程计
由于传统的视觉里程计(VO)存在实现过程繁琐、计算复杂等问题,提出了一种基于改进双流网络结构的VO.所提VO使用双流卷积神经网络结构,能够将RGB图像、深度图像同时馈入模型进行训练,并采用Inception网络结构对卷积层进行改进,减少参数数量.同时,在卷积层中加入注意力机制,提升网络对图像特征的辨识度和系统的鲁棒性.为了评估所提模型,在KITTI数据集上进行了模型的训练与测试,并与VISO2-M、VISO2-S和SfMLearner进行对比.结果 表明,相较于同样使用单目相机的VISO2-M和SfMLearner,所提模型在旋转误差和平移误差方面取得了较大的改善,可与使用双目相机的VISO2-S相媲美.
图像处理、成像系统、视觉里程计、注意力机制、深度学习、双流网络
58
TP391(计算技术、计算机技术)
江苏省产学研合作项目;江苏省高等学校自然科学研究重大项目;国家自然科学基金
2021-12-16（万方平台首次上网日期，不代表论文的发表时间）
共10页
128-137
