论文部分内容阅读
针对多视图几何视觉里程计鲁棒性差和尺度漂移问题,提出一种融合深度学习和几何定姿的光流视觉里程计。首先通过深度学习对两帧图像间光流和单目深度进行估计,从光流估计中得到2D-2D对应关系,并求解本质矩阵,得到相机相对位姿;然后从像素对应关系中求解三角化深度,将预测深度与三角化深度进行尺度自适应对齐,并将转换后的预测深度与三角化深度之间的深度误差加入损失函数中,优化深度网络模型,解决尺度不一致问题,得到鲁棒视觉里程计DOF-VO。在KITTI数据集上进行大量仿真实验,结果表明该算法在通用评价指标上与ORB