.png){kind=icon}
返回
Photograph-based visual localization via data augmentation and structure consistency
.png){kind=icon}
PRE
AI
DOI：10.1080/17489725.2025.2612012.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着全球导航卫星系统（GNSS）的发展，获取精确的空间坐标以实现定位已成为现代生活不可或缺的一部分。然而，在无GNSS环境（如室内或地下空间）中，基于照片的视觉定位等替代方法至关重要。近年来，卷积神经网络（CNN）实现了实时视觉定位。在基于CNN的方法中，姿态回归方法（如PoseNet）直接估计位置坐标和视角，计算效率高，但通常需要大量标注数据集才能达到高精度，这在数据匮乏场景下构成重大挑战。为解决此问题，我们提出一种数据增强框架，利用合成图像和CycleGAN生成的照片丰富PoseNet的训练集。此外，我们引入一种结构一致性损失函数，以促使模型关注场景的几何结构而非表面纹理模式。以PoseNet为基线，在参照度量坐标系的基准室外数据集上的实验结果表明，我们的方法通过增强数据将中位数定位误差从1.28m降至0.89m，进一步通过所提损失函数降至0.72m，相比基线实现了44%的定位精度提升。
Keyword:
Visual localization
camera pose regression
image-to-image translation
data augmentation
structure consistency
期刊
J
IF:
1.4
论文数:
14
被引数:
0
机构
引用论文
Data Augmentation Framework for Improving Image Recognition Using cycleGAN.png)
2024 18th International Conference on Ubiquitous Information Management and Communication (IMCOM)
2024 18th International Conference on Ubiquitous Information Management and Communication (IMCOM)IF0
PREAI
分享收藏
分享收藏分享收藏Unpaired Image-to-Image Translation Using Cycle-Consistent Adversarial Networks使用循环一致的对抗网络进行不成对的图像到图像的翻译
OAAI
OAAI分享收藏
查看更多内容