CVPR 2021 Oral | 室內動態場景中的相機重定位

原文連結：Robust Neural Routing Through Space Partitions for Camera Relocalization in Dynamic Indoor Environments

摘要

在已知的室內環境中定位攝像機是場景建圖、機器人導航、AR等領域的關鍵組成部分。最近的一些進展透過最佳化2D/3D攝像機空間和3D世界空間中的座標之間的2D/3D-3D對應關係來估計攝像機的姿態。

這些方法透過卷積神經網路或僅使用靜態輸入影象序列的決策樹來估計姿態，使得它們容易受到動態室內環境的影響，而動態室內環境在現實世界中很常見，但也很有挑戰性。

為了解決上述問題，本文提出了一種新的離群值感知神經樹，它將深度學習和決策樹兩種方法聯絡起來。

它建立在三個重要的模組上；

（a） 對室內場景進行分層空間劃分，構造決策樹；

（b） 一個神經路由函式，實現為一個深層分類網路，用於更好地理解三維場景；

（c） 離群點剔除模組，用於在分層路由過程中過濾出動態點。

我們提出的演算法在為動態室內環境下的攝像機重定位而開發的RIO-10基準上進行了評估。它透過空間分割實現了健壯的神經路由，比最先進的方法提高了大約30%的攝像機姿態精度，同時執行速度也比較快。

主要方法

實驗結果

更多幹貨

歡迎加入【3D視覺工坊】交流群，方向涉及3D視覺、計算機視覺、深度學習、vSLAM、鐳射SLAM、立體視覺、自動駕駛、點雲處理、三維重建、多檢視幾何、結構光、多感測器融合、VR/AR、學術交流、求職交流等。工坊致力於乾貨輸出，為3D領域貢獻自己的力量！歡迎大家一起交流成長~

新增小助手微信：CV_LAB，備註學校/公司+姓名+研究方向即可加入工坊一起學習進步。