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

96 篇文章 24 订阅
本文提出了一种使用深度估计与深度卷积神经场进行单目视觉里程计尺度恢复的方法。该方法通过结合连续帧的深度估计,以整个环境结构为参考,替代传统的依赖道路平面和摄像机高度恢复尺度。深度残差网络和完全卷积网络组成的神经网络提高了深度预测的准确性,从而减少尺度漂移,增强单目视觉里程计的性能。实验证明,这种方法在KITTI数据集上的视觉里程计和深度估计任务中表现出优越的准确性。
摘要由CSDN通过智能技术生成

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࿰

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

惊鸿一博

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值