基于卷积神经网络的视觉里程计

摘 要：经典的视觉里程计系统提取稀疏或密集的特征并匹配以执行帧到帧的运动估计，但是都需要针对它们所处的特定环境进行仔细的参数调整。受深度网络的最新进展和以前关于应用于 VO 的学习方法的启发，探索了使用卷积神经网络来学习视觉位姿估计任务。通过对公开数据集进行实验，验证方法性能。最后，对算法进行总结分析并对展望其发展趋势。

关键词：视觉里程计;位姿估计;深度学习; 卷积神经网络

DOI：10.16640/j.cnki.37-1222/t.2019.21.083

0 引言

视觉里程计[1]，也称为帧间估计，是视觉SLAM[2]（simultaneous localization and mapping）中的核心内容。经典的基于几何的视觉里程计方法分为特征点法与直接法。但是其依据于大量的计算，并且估计结果对相机参数极为敏感。近年来，人工智能、深度学习再次掀起了热潮，基于深度学习的视觉任务丰富多样，在分类、跟踪等问题上都取得了很好的效果。但是多学习外观特征，而视觉里程计需要学习图片的几何特征。

本文提出了一种基于卷积神经网络的视觉里程计方法，将数据集进行预处理，将图片序列中相邻的两张RGB图片进行串联，每张图片的通道数为3，得到一个通道数为6的张量，输入到神经网络中。参考Vgg网络结构进行特征提取工作。将提取的特征输入到全链接层将张量压缩为位姿特征向量。通过KITTI数据集进行实验，输出图片之间的相对位姿，并转化为绝对位姿和地面真实轨迹进行对比。

1 相关内容

1.1 经典的几何方法

经典的几何帧间估计方法有着悠久的解决方案设计的历史。……