论文笔记_S2D.41_2017-ICCV-使用深度估计与深度卷积神经场,进行单目视觉里程计的尺度恢复
基本情况
- 题目:Scale Recovery for Monocular Visual Odometry Using Depth Estimated with Deep Convolutional Neural Fields
- 出处:Yin, X., Wang, X., Du, X., & Chen, Q. (2017). Scale recovery for monocular visual odometry using depth estimated with deep convolutional neural fields. In Proceedings of the IEEE International Conference on Computer Vision (pp. 5870-5878).
- Tongji University
摘要
尺度恢复(Scale recovery)是单目视觉里程表的主要问题之一。通常,将道路平面和摄像机高度指定为恢复比例的参考。这些方法的性能取决于相机的平面识别和高度测量。在这项工作中,我们提出了一种新颖的方法,通过结合使用深度卷积神经场从图像估计的深度来恢复尺度。我们的方法将整个环境结构视为参考,而不是指定的平面。深度估计的准确性有助于尺度的恢复。我们通过考虑两个连续的帧以及进入的网络摄像机的运动,来提高深度估计的性能。迭代获得深度细化和尺度恢复。这样,我们的方法可以消除尺度漂移并同时改善深度估计。我们的方法的有效性已在KITTI数据集上进行了单眼视觉测距和深度估算任务的验证。
图2. 我们的神经网络的结构。 神经网络的输入是两个连续的帧和变换矩阵。 输出是精确的深度图。 深度卷积部分由深度残差网络和完全卷积网络组成。 卷积部分的输出通过以下条件随机场层进行细化。
结论
我们为单目视觉里程表提出了一种新的尺度恢复方法。 使用图像预测的深度获得尺度,并使用卷积神经场预测深度。 通过将连续的帧和自我运动整合到我们的网络中,可以改善深度预测的性能。 我们方法的优点是它可以从整个环境的结构信息而不是从固定参考平面中恢复比例并消除比例漂移。 在KITTI数据集上进行了实验,以验证我们方法的有效性。 实验结果表明,我们的算法可以提高视觉里程表和深度估计任务的准确性。
论文笔记_S2D.41_2017-ICCV-使用深度估计与深度卷积神经场,进行单目视觉里程计的尺度恢复相关推荐
- 基于地平面的单目视觉里程计绝对尺度估计
点云PCL免费知识星球,点云论文速读. 文章:Ground Plane based Absolute Scale Estimation for Monocular Visual Odometry 作者 ...
- 【论文精读】从单张图像进行深度估计的深度卷积神经场
从单张图像进行深度估计的深度卷积神经场 Paper Information Abstract Introduction Related Work Deep convolutional neural f ...
- 论文笔记,物体六自由度位姿估计,DenseFusion: 6D Object Pose Estimation by Iterative Dense Fusion
论文笔记,物体六自由度位姿估计,DenseFusion: 6D Object Pose Estimation by Iterative Dense Fusion 链接 摘要 1,引言 2,模型 2.1 ...
- 【论文精读】使用深度卷积神经场从单目图像学习深度
使用深度卷积神经场从单目图像学习深度 Paper Information Abstract 1 Introduction 1.1 Related Work 2 DEEP CONVOLUTIONAL N ...
- 单目图像深度估计 - 相对深度篇:Depth in the Wild Size to Depth
目录 入门篇:图像深度估计相关总结 应用篇:Learning to be a Depth Camera 尺度篇:Make3D 迁移篇:Depth Extraction from Video Using ...
- SLAM论文笔记-使用点和线特征的激光雷达-单目视觉里程计
使用点和线特征的激光雷达-单目视觉里程计 首发在泡泡机器人slam公众号 标题:Lidar-Monocular Visual Odometry using Point and Line Feature ...
- 单目视觉里程计性能估计
单目视觉里程计性能估计 D3VO: Deep Depth, Deep Pose and Deep Uncertaintyfor Monocular Visual Odometry 论文地址:https ...
- 采用keras深度学习框架搭建卷积神经网络模型实现垃圾分类,基于树莓派上进行实时视频流的垃圾识别源代码
一.项目概述 简介:该垃圾分类项目主要在于对各种垃圾进行所属归类,本次项目采用keras深度学习框架搭建卷积神经网络模型实现图像分类,最终移植在树莓派上进行实时视频流的垃圾识别. 前期:主要考虑PC端 ...
- 用于单眼深度估计的结构化注意力导向卷积神经场(论文2018)
Structured Attention Guided Convolutional Neural Fields for Monocular Depth Estimation 原文:https://cn ...
- DEMO: 一种单目视觉里程计的深度增强方法
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 作者:robot L | 来源:知乎 https://zhuanlan.zhihu.com/p/149 ...
最新文章
- python 中文转unicode编码_Python 解码 Unicode 转义字符串
- 初识Restful架构
- 【Airtest】Airtest中swipe方法兼容不同分辨率的解决方法
- java rotatetransition_transition过渡,transform变换
- python3入门书籍-学习python3入门书籍选哪些?
- asp.net发布网站的详细步骤
- 1.0 C++远征:数据的封装
- 在用c语言写代码是这么找出错误,写代码(C语言)常见粗心小错误
- Summarize to the Power of Two(CF-1005C)
- 无人驾驶汽车系统入门系列
- struts2下的Action配置的各项默认值
- 根据两个日期字符串,格式为(YYYY-MM-DD),获取年龄,保留两位小数但不四舍五入...
- 【每日一linux命令4】常用参数:
- 调用支付jsapi缺少参数:appid_JAVA实现微信支付功能
- 适用于ActiveX v18.6 x86的Codejock Xtreme Suite Pro
- c语言魔方机器人编程软件下载,Coconut编程机器人软件
- python中value的含义_生成的scikit学习决策树中的value属性的含义是什么?
- _EPROCESS结构简单了解!
- 【Celery】Celery的简易部署和应用
- 电脑ping手机该怎么玩(很多网友都说电脑ping不通手机)?
热门文章
- 如何遍历JTree的每一个节点
- Self Host WebApi服务传输层SSL加密(服务器端+客户端调用)
- Python裁剪图片,游戏大图裁小图
- ASP.NET MVC 4 (二)控制器
- 如何将松散的dll打包进需要发布的exe
- Android常用的简单代码
- Java poi操作导入导出excel
- .Net Core报“‘GB2312‘ is not a supported encoding name. For information on defining a custom encod”的错误
- docker数据卷之dockerfile
- mui 怎么调用系统键盘_电脑开机关机的几种方法,计算机电源键鼠标键盘网络唤醒图文教程...