《表2 精密度试验结果:视觉SLAM的研究现状与展望》
基于深度学习的帧间估计方法在最开始将相机位姿问题归纳为分类问题,无法在未知环境中应用,并且无法得到相机的旋转信息,后将帧间估计问题归纳为回归问题得以重视。最开始通过单纯的卷积神经网络得出相机的位置与姿态,在发展过程中还加入了光流、特征点等特征向量提高回归的精度。后来将卷积神经网络结构转换为循环卷积神经网络结构,加入了时间依赖性,对帧间估计问题适用性非常强,大大地提升了帧间估计的位置和旋转精度,甚至超越了一些经典的单目帧间估计方法。表2中列举了基于深度学习实现视觉里程计经典的网络结构及其定位结果与性能的比较。
图表编号 | XD00198006100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.05 |
作者 | 吴凡、宗艳桃、汤霞清 |
绘制单位 | 陆军装甲兵学院兵器与控制系、陆军装甲兵学院兵器与控制系、陆军装甲兵学院兵器与控制系 |
更多格式 | 高清、无水印(增值服务) |