.png){kind=icon}
返回
Semantic-Enhanced Scene Coordinate Regression Network for Visual Localization
.png){kind=icon}
OA
AI
DOI：10.1109/JSTARS.2026.3663700.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
视觉定位是地理信息系统和基于位置的服务中的一个关键组成部分，因为它能够实现精确的空间感知和导航。尽管当前基于学习的场景坐标回归方法已在室内环境中取得了优异的精度，但使用整个或均匀采样的特征图来训练场景坐标回归模型往往由于离群点或低纹理区域而导致定位性能不稳定，这给适应室外环境带来了挑战。为解决此问题，我们提出了语义增强的场景坐标回归网络（SEN），该网络提升了视觉定位能力，特别是在室外环境中。SEN集成了一个辅助语义特征提取分支，以主动确定场景坐标回归的可靠区域，过滤掉非信息像素。随后，网络创建一个随机缓冲区来回归场景坐标，有效减少相关梯度并实现高效优化。最终的回归层将2-D像素坐标精确映射到其对应的3-D场景坐标，并通过可微RANSAC获得相机位姿。在三个代表性数据集上的广泛实验表明，SEN在各种场景中均达到最先进水平，在室内和室外环境中均表现出卓越的性能。
Keyword:
Differentiable ransac
scene coordinate regression
semantically guided
visual localization
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
5.3
论文数:
1.8K
被引数:
3.0W
机构
引用论文
.png){kind=icon}
分享收藏
查看更多内容