基于深度神經(jīng)網(wǎng)絡(luò)的視覺位姿估計方法研究.pdf

1、視覺位姿估計是指利用附屬于運(yùn)動體（如車輛、機(jī)器人等）的視覺傳感器采集的圖像數(shù)據(jù)來估計其位姿變換的過程，是基于視覺技術(shù)的定位導(dǎo)航、三維重建、軌跡推算等領(lǐng)域的重要研究方向。該工作目前主要集中在視覺里程計的算法研究中，是視覺SLAM系統(tǒng)的關(guān)鍵構(gòu)成模塊，具有廣泛的應(yīng)用場景。
　　通常，視覺里程算法計沿襲了特征提取、特征匹配和追蹤定位的經(jīng)典流程，并利用其它優(yōu)化策略調(diào)優(yōu)。但是面對復(fù)雜場景時，該類方法往往存在穩(wěn)定性不足的缺點。深度學(xué)習(xí)技術(shù)在處理

2、圖像理解任務(wù)時表現(xiàn)出強(qiáng)大的特征抽象和表達(dá)能力，為視覺位姿估計問題提供了新的研究思路。該方法能夠從訓(xùn)練數(shù)據(jù)中學(xué)習(xí)相機(jī)位姿的表征方式，不需要依賴任何相機(jī)參數(shù)，而且能夠?qū)W習(xí)到場景的真實尺度，具有傳統(tǒng)方法不具備的優(yōu)勢。因此，本文針對基于深度神經(jīng)網(wǎng)絡(luò)的單目視覺位姿估計方法進(jìn)行研究，并完成以下工作:
　　1.結(jié)合任務(wù)性質(zhì)和深度學(xué)習(xí)特點，將單目視覺位姿估計問題建模為一種有監(jiān)督的回歸學(xué)習(xí)問題，進(jìn)行分析和設(shè)計整體算法框架，并根據(jù)特征表達(dá)方式的不同將

3、該問題分為兩個層面進(jìn)行研究。
　　2.利用稠密光流能夠表征幀間運(yùn)動信息的特性，提出了一種基于雙流卷積神經(jīng)網(wǎng)絡(luò)的位姿估計模型。該方法將以圖像幀和光流圖為輸入的卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行級聯(lián)以完成特征提取，利用共享的全連接層和歐氏距離損失函數(shù)直接預(yù)測幀間位姿向量，進(jìn)而構(gòu)建位姿回歸模型。該方法既簡化了特征提取過程，又能夠融合不同層次的特征，提高了模型的預(yù)測精度。
　　3.進(jìn)一步地，對上述算法進(jìn)行改進(jìn)，設(shè)計了一種基于端到端學(xué)習(xí)的位姿估計模型。

4、該算法模型僅以圖像幀作為輸入，融合光流提取網(wǎng)絡(luò)和位姿估計網(wǎng)絡(luò)，利用自編碼網(wǎng)絡(luò)重構(gòu)光流場，提高光流特征的魯棒性。通過位姿估計誤差和光流重構(gòu)誤差雙重約束，保證網(wǎng)絡(luò)的訓(xùn)練效果，提高模型的位姿估計性能。同時，該算法將特征提取過程在深度學(xué)習(xí)框架下實現(xiàn)，無需引入外部算法，這種端到端的訓(xùn)練方式使得模型有潛力得到性能上的整體提升。
　　綜上，本文基于深度神經(jīng)網(wǎng)絡(luò)逐步設(shè)計實現(xiàn)了端到端的位姿估計模型，并在公開數(shù)據(jù)集上設(shè)計仿真實驗，實驗結(jié)果表明該算法在