点击上方“CVer”,选择加"星标"或“置顶”
重磅干货,第一时间送达
作者:夏天
https://zhuanlan.zhihu.com/p/71515279
本文已由作者授权,未经允许,不得二次转载
论文:
V1:Geometric Correspondence Network for Camera Motion Estimation
Jiexiong Tang, 2018, IEEE ROBOTICS AND AUTOMATION LETTERS
V2:GCNv2: Efficient Correspondence Prediction for Real-Time SLAM
https://github.com/jiexiong2016/GCNv2_SLAM
主要思想:
用CNN学习特征点和描述子的提取,利用RGB-D深度信息、相机真实相对位姿,通过3D-2D投影关系进行监督学习。
V1版本采用CNN+RCNN得到原图尺寸(resize成ResNet可接受大小320\*240)中每个像素点为keypoint的概率,以及每个像素点的描述子向量(256\*1)
在V2版本中借鉴S