CVPR 2021 | 基于稠密场景匹配的相机定位学习

Learning Camera Localization via Dense Scene Matching

论文、代码地址：在公众号「3D视觉工坊」，后台回复「相机定位」，即可直接下载。

相机定位算法是SLAM或者增强现实的一部分，主要有基于回归和基于结构两种，基于回归的定位算法精度较低，现在比较流行的是基于结构的相机定位算法，基于结构的定位算法有两个阶段：1、建立二维图像与三维场景点之间的对应关系；2、估计相机位姿。对于SLAM来说，相机定位算法属于前端工作，是视觉里程计的一部分，论文结合深度学习的方式对传统前端进行了优化，近几年神经网络与SLAM的结合越来越多，论文提出的算法是对特征匹配的方式进行了改进，通过卷积神经网络对图像进行特征提取，并用CNN进行特征点的匹配操作，很符合当前流行的SLAM趋势。这篇文章中提到的DSM算法主要是对2D和3D场景进行匹配，计算特征点的坐标，再通过计算的坐标，使用PNP+RANSAC算法求解位姿。

【摘要】

求解相机的6D位姿时，传统方法是对图像和预建立的3D模型之间的兴趣点进行提取