.png){kind=icon}
返回
Second-Order Robust Iterative Pose Optimization for Fine-Grained Cross-View Localization
.png){kind=icon}
PRE
AI
DOI：10.1109/TIP.2026.3673969.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
细粒度交叉视图定位旨在通过匹配地面图像与带有GPS标签的航空影像来估计精确的相机位姿。现有方法通常采用一阶迭代优化，基于交叉视图特征对应关系逐步更新相机位姿。然而，这些方法依赖局部特征，忽略了全局和互补的上下文信息，导致在初始误差较大或强扰动下易陷入局部最优且收敛缓慢。为克服这些局限性，我们提出了一种适用于细粒度交叉视图定位的二阶鲁棒迭代位姿估计框架。首先，我们设计了一个二阶深度迭代优化模块，用于捕获互补的前向和后向运动线索，进而生成双向相关体积。运动聚合器利用该体积近似二阶迭代器的动力学特性，显著促进收敛和鲁棒性。此外，一个双向运动感知鲁棒正则化模块通过利用双向运动线索生成细粒度置信图，缓解几何失真和离群值干扰，自适应地抑制不可靠区域并增强迭代优化的稳定性和位姿估计精度。大量实验表明，所提出的框架相比当前最优方法实现了更快的收敛速度和更高的位姿估计精度，尤其在初始误差较大和复杂条件下表现更为突出。
Keyword:
Cross-view localization
iterative optimization
pose estimation
robust regularization
期刊
IF:
13.7
论文数:
1.0W
被引数:
8.4W
机构
引用论文
.png){kind=icon}
SPID: Surveillance Pedestrian Image Dataset and Performance Evaluation for Pedestrian Detection
PREAI
分享收藏分享收藏
查看更多内容