基于多尺度特征的像素位姿定位优化方法

在已知三维信息的场景中估计相机位姿,是自主驾驶、增强现实、虚拟现实等领域的重要环节。已有方法从输入图像中直接回归相机的位姿,或者通过回归像素的三维坐标方式计算相机位姿,这些方法存在的问题是与训练场景耦合严重,在新环境中缺少泛化能力。认为深度学习网络应该专注于学习鲁棒和不变的图像特征,因此介绍了一种基于多尺度图像特征对齐的优化方法,将图像特征相似性作为度量形式,将相机位姿作为优化量,通过从像素到位姿的端到端的训练,来估计相机精确的六自由度(6 degree of freedom, 6DOF)位姿。该模型参数和场景分离,对新场景有较强的泛化能力,并且具有较好的定位精度。     

基于卷积特征的场景地标检索方法

针对场景中地理目标的检索任务主要解决在视角变化、光照变化甚至遮挡等情况下对地理目标的检索匹配问题,也称为实例目标检索,使用高性能的卷积网络构建用于实例目标检索任务的三输入孪生网络架构,采用三元组损失函数进行训练,并使用区域建议网络准确定义目标区域,生成准确并具有鲁棒性且固定长度的图像特征向量。检索时根据地理场景的特点采用图像全局特征进行粗检索,采用局部特征进行精检索,并配合查询扩展的方法实现了精确的实例目标检索结果。实验表明,所提方法与其他具有代表性的检索方法相比,在公开数据集测试中取得了有竞争力的结果。