.png){kind=icon}
返回
MonoPCFlow: Enabling Efficient Scene Flow Estimation From Monocular View
.png){kind=icon}
PRE
AI
DOI：10.1109/TIM.2025.3600732.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
场景流捕捉3-D场景中点的动态变化，对于理解物理环境中的运动至关重要。基于光探测和测距（LiDAR）的场景流估计方法面临着分辨率、刷新率和成本相关的挑战。相比之下，基于单目图像的方法在不同阶段分别估计光流和深度。这种碎片化方法不可避免地会损害空间-时间一致性并引入误差累积。我们提出了单目点云FlowNet（MonoPCFlow），一种直接从一对连续单目图像中进行场景流估计的新型框架。我们将伪LiDAR表示与密集3-D场景流估计相结合，有效弥合了单目运动分析中的2-D到3-D领域差距。我们开发了一个深度增强的细化模块，以缓解伪LiDAR生成中的信息损失，保留关键几何和外观特征以提高场景流精度。实验验证表明MonoPCFlow具有卓越的性能，与当代基准相比，在FlyingThings3D和Karlsruhe Institute of Technology and Toyota Institute of Technology（KITTI）数据集上分别实现了37.0%和39.7%的端点误差相对降低。
Keyword:
Monocular images
pseudo-light detection and ranging (LiDAR) point cloud
scene flow estimation
期刊
IF:
5.9
论文数:
2.0W
被引数:
5.8W
机构
引用论文
.png){kind=icon}
RGB-D Visual SLAM Algorithm Using Scene Flow and Conditional Random Field in Dynamic Environments基于场景流和条件随机场的动态环境RGB-D视觉SLAM算法
PREAI
分享收藏
查看更多内容