科研之友
微信
新浪微博
Facebook
分享链接
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。
- 出版日期2023
- 单位西安科技大学; 通信与信息工程学院
