每天一篇313/365 UnDeepVO: Monocular Visual Odometry through Unsupervised Deep Learning补

UnDeepVO: Monocular Visual Odometry through Unsupervised Deep Learning

code

摘要

本文提出了一种新的单目视觉里程计（VO）系统UnDeepVO。uneepvo能够利用深度神经网络估计单目相机的六自由度姿态和景深。该方法有两个显著特点：一是无监督的深度学习方案，二是绝对尺度恢复。具体地说，我们使用立体图像对来训练不可重复性，但是使用连续的单目图像来测试它。因此，UnDeepVO是一个单目系统。为训练网络而定义的损失函数是基于时空密集信息的。系统概述如图1所示。在KITTI数据集上的实验表明，我们的UnDeepVO在姿态精度方面取得了良好的性能。

贡献

1.我们展示了一个具有恢复绝对尺度的单目视觉系统，并且通过利用空间和时间几何约束以无监督的方式实现了这一点。
2.由于在训练过程中使用了立体图像对，因此不仅可以生成估计的姿势，还可以生成具有绝对比例的估计密集深度图。
3.我们使用KITTI数据集对我们的VO系统进行了评估，结果表明UneepVO在单目相机的姿态估计方面取得了良好的性能。

方法

数据集： UnDeepVO只需要立体图像进行训练而不需要标记数据集，因此可以使用大量的未标记数据集对其进行训练，以不断提高其性能。

空间对齐

位姿估计损失函数定义
作者提出同时用双目图像对儿估计深度和位姿，用到了左右图像一致性，和前后帧一致性来约束
1左右极限投影误差


2.视差一致性损失

3.位姿一致性损失
作者分别估计了左右个图像序列的位姿，然后让左右位姿对齐

空间对齐

1.前后帧对齐


2. ICP匹配

实验

位姿估计

深度估计