VLocNet++: Deep Multitask Learning for Semantic Visual Localization and Odometry 语义视觉定位与里程计

最新推荐文章于 2025-02-14 14:07:05 发布

Xieyuanli_Chen

最新推荐文章于 2025-02-14 14:07:05 发布

阅读量2.2k

点赞数 1

分类专栏： DeepVO 深度学习文章标签： DeepVO 深度学习多任务学习视觉里程计Odometry 语义SLAM

本文链接：https://blog.csdn.net/weixin_39779106/article/details/80186803

版权

博客介绍了VLocNet++，一个深度多任务学习框架，用于语义视觉定位和里程计。它包含了最佳的位姿回归CNN结构、自监督内容汇集技术和自适应加权层，并利用了新的户外大范围数据集，带有多闭环和像素级语义标注。相比前作DeepVO，VLocNet++改进了利用历史信息的方式。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本博客仅为作者记笔记之用，不对之处，望见谅，欢迎批评指正。
更多相关博客请查阅：http://blog.csdn.net/weixin_39779106；
如需转载，请附上本文链接：http://blog.csdn.net/weixin_39779106/article/details/79689208

原论文链接
 项目网站及Demo链接

- - 一、摘要
  - 二、介绍

一、摘要

这里写图片描述

原文摘要	翻译
In this paper, we propose the novel VLocNet++ architecture that attempts to overcome this limitation by simultaneously embedding geometric and semantic knowledge of the world into the pose regression network.	本文提出了VLocNet框架，通过将几何信息和语义信息嵌入到位姿回归网络来提高整个框架的性能。
We adopt a multitask learning approach that exploits the inter-task relationship between learning semantics, regressing 6-DoF global pose and odometry, for the mutual benefit of each of these

最低0.47元/天解锁文章