基于全卷积编解码网络的视觉定位方法

摘要

针对目前视觉定位方法中使用人工特征的限制，提出了一种基于全卷积编解码网络的视觉定位方法。该方法将场景点3D坐标映射到图像的BGR（blue-green-red）通道，建立了图像到场景的直接联系，并通过全卷积编解码网络学习图像与场景结构的关系。给出一张图像，网络可以预测其每个像素点对应的3D点在当前场景世界坐标系的坐标；然后结合RANSAC（random sample consensus）和PnP（perspective-n-point）算法求解位姿并优化，得到最终的相对位姿。在7-Scenes数据集上的实验结果表明本文方法可实现厘米级的高精度定位，并且相比其他基于深度学习的方法，该方法在保证精度的同时，模型尺寸更小。