基于图像对齐和不确定估计的深度视觉里程计

来源：计算机工程与应用杂志2022年第22期北京时间：

作者：秦超, 闫子飞

单位：哈尔滨工业大学 建筑学院 媒体技术与艺术系，互动媒体设计与装备服务创新文化和旅游部重点实验室，哈尔滨 150001

摘要：基于深度学习的视觉里程计方法（deep visual odometry，DVO）通过神经网络直接估计单目图像的深度和相邻图像之间的相机运动，在保证精度的同时大大提高了运行速度。但这是基于灰度不变假设，作为一个很强的假设，灰度不变假设在现实场景中往往难以满足。为此，提出一种基于图像对齐（image alignment，IA）的直接视觉里程计方法AUDVO（aligned U-CNN deep VO），通过不确定性估计网络（uncertainty CNN，U-CNN）引入正则项进行约束，使得估计的结果更具鲁棒性。为了处理大面积纹理缺失区域上因估计不准确带来的空洞，在设计深度估计模块时通过嵌入超分辨率网络进行上采样。在公开的KITTI数据集上的实验证明了AUDVO在深度和相机位姿估计上的有效性。

关键词：视觉里程计,深度学习,不确定性估计网络