改进场景坐标回归网络的室内相机重定位方法

摘要：

传统相机重定位依赖手工特征,场景的变化会影响其后续特征匹配,导致算法总体性能下降.然而,基于深度学习场景坐标回归的相机重定位方法在室内场景下有着较好的表现.针对复杂场景下定位精度低以及在特征提取过程中空间信息丢失的问题,在场景坐标回归方法的基础上,提出一种基于深度过参化卷积与细粒度信息的相机定位方法.该方法在特征提取网络中,引入深度过参化卷积层取代传统的卷积层,使提取的特征更具有鲁棒性;在特征提取网络之后,增加细粒度信息,加强特征提取,解决特征提取带来的空间信息丢失问题;通过全连接层输出场景坐标,建立二维图像像素和三维场景坐标之间的关系,然后使用多点透视随机抽样一致性算法得到相机位姿.实验结果表明,改进后的方法与同类型算法相比有明显的提升,该方法能够将平均角度精度提高20.00%,对相机重定位有显著效果,验证了该方法在一定程度上能够克服视觉特征对相机重定位的影响.

关键词：相机重定位、相机位姿、场景坐标回归、细粒度信息、特征提取

所属期刊栏目：59

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61701393

在线出版日期：2023-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：160-168