.png){kind=icon}
返回
Deep Homography Estimation for Visual Place Recognition
.png){kind=icon}
OA
AI
DOI：10.1609/aaai.v38i9.28901.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
视觉定位识别（VPR）是机器人定位和增强现实等许多应用的基础任务。近年来，层次化VPR方法因其准确性与效率的权衡而受到广泛关注。它们通常首先使用全局特征检索候选图像，然后验证匹配局部特征的空间一致性以进行重新排序。然而，后者通常依赖RANSAC算法进行单应性拟合，这既耗时又不可微分。这使得现有方法只能将网络训练局限于全局特征提取。为此，我们提出了一种基于Transformer的深度单应性估计（DHE）网络，该网络以骨干网络提取的密集特征图作为输入，用于快速且可学习的几何验证。此外，我们设计了一种内点重投影误差损失来训练DHE网络，无需额外的单应性标签，该损失还能与骨干网络联合训练，帮助其提取更适合局部匹配的特征。在基准数据集上的大量实验表明，我们的方法在性能上优于几种最先进的方法，并且比使用RANSAC的主流层次化VPR方法快一个数量级以上。代码已发布于https://github.com/Lu-Feng/DHE-VPR。
期刊
暂无期刊信息
机构
暂无机构信息
引用论文
暂无论文信息