典型文献
单目相机轨迹的真实尺度恢复
文献摘要：
目的 单目相机运动轨迹恢复由于输入只有单目视频序列而缺乏尺度信息,生成的轨迹存在严重漂移而无法进行高精度应用.为了能够运用单目相机普及度高、成本低的优势,提出一种基于场景几何的方法在自动驾驶领域进行真实尺度恢复.方法 首先使用深度估计网络对连续图像进行相对深度估计,利用估计的深度值将像素点从2维平面投影到3维空间.然后对光流网络估计出的光流进行前后光流一致性计算得到有效匹配点,使用传统方法求解位姿,使相对深度与位姿尺度统一.再利用相对深度值计算表面法向量图求解地面点群,通过几何关系计算相同尺度的相机高度后引入相机先验高度得到初始尺度.最后为了减小图像噪声对尺度造成的偏差,由额外的车辆检测模块计算出的补偿尺度与初始尺度加权得到最终尺度.结果 实验在KITTI(Karlsruhe Institute of Technology and Toyota Technological at Chicago)自动驾驶数据集上进行,相机运动轨迹和图像深度均在精度上得到提高.使用深度真实值尺度还原后的相对深度的绝对误差为0.114,使用本文方法进行尺度恢复后的绝对深度的绝对误差为0.116.对得到的相机运动轨迹在不同复杂路径中进行对比测试,使用尺度恢复的距离与真实距离误差为2.67％,恢复出的轨迹相比传统方法的ORB-SLAM2(oriented FAST and rotated BRIEF-simultaneous localization and mapping)更接近真实轨迹.结论 本文仅以单目相机图像作为输入,在自动驾驶数据集中利用自监督学习方法,不需要真实深度标签进行训练,利用场景中的几何约束对真实尺度进行恢复,恢复出的绝对深度和真实轨迹均在精度上有所提高.相比于传统方法在加入真实尺度后偏移量误差更低,且计算速度快、鲁棒性高.
文献关键词：
自监督学习;自动驾驶;单目深度估计;位姿估计;尺度恢复
中图分类号：
作者姓名：
刘思博;房立金
作者机构：
东北大学信息科学与工程学院,沈阳 110819;东北大学机器人科学与工程学院,沈阳 110169
文献出处：
引用格式：
[1]刘思博;房立金-.单目相机轨迹的真实尺度恢复)[J].中国图象图形学报,2022(02):486-499
A类：
单目视频,光流网络
B类：
单目相机,实尺度,尺度恢复,相机运动,运动轨迹,视频序列,尺度信息,漂移,自动驾驶,使用深度,像素点,维空间,流进,深度值计算,法向量,向量图,面点,几何关系,机先,先验,图像噪声,车辆检测,检测模块,KITTI,Karlsruhe,Institute,Technology,Toyota,Technological,Chicago,和图像,图像深度,上得,真实值,绝对误差,对比测试,距离误差,复出,ORB,SLAM2,oriented,FAST,rotated,BRIEF,simultaneous,localization,mapping,自监督学习,几何约束,偏移量,计算速度,单目深度估计,位姿估计
AB值：
0.35914
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
