基于编解码双路卷积神经网络的视觉自定位方法

• 作者: 刘圣杰 李锦涛 潘海侠 王赟豪 贾瑞明
• 来源期刊: 北京航空航天大学学报
• 学科: 工学
• 关键词: 视觉自定位 编解码结构 卷积神经网络(CNN) 跳跃连接 双路网络
• 年，卷（期）: 2019,（10）
• 页码范围: 1965-1972
• 页数: 8页
• 分类号: V249.32+9|TP391
• 字数: 5573字
• 语种: 中文
• DOI: 10.13700/j.bh.1001-5965.2019.0046

摘要

为了从单张RGB图像估计出相机的位姿信息,提出了一种深度编解码双路卷积神经网络(CNN),提升了视觉自定位的精度.首先,使用编码器从输入图像中提取高维特征;然后,使用解码器提升特征的空间分辨率;最后,通过多尺度位姿预测器输出位姿参数.由于位置和姿态的特性不同,网络从解码器开始采用双路结构,对位置和姿态分别进行处理,并且在编解码之间增加跳跃连接以保持空间信息.实验结果表明:所提网络的精度与目前同类型算法相比有明显提升,其中相机姿态角度精度有较大提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贾瑞明	北方工业大学信息学院	12	23	3.0	4.0
2	刘圣杰	北方工业大学信息学院	2	1	1.0	1.0
3	李锦涛	北京航空航天大学软件学院	3	4	1.0	1.0
4	王赟豪	北京航空航天大学软件学院	3	4	1.0	1.0
5	潘海侠	北京航空航天大学软件学院	9	42	4.0	6.0