基本情况
- 题目：Scale Recovery for Monocular Visual Odometry Using Depth Estimated with Deep Convolutional Neural Fields
- 出处：Yin, X., Wang, X., Du, X., & Chen, Q. (2017). Scale recovery for monocular visual odometry using depth estimated with deep convolutional neural fields. In Proceedings of the IEEE International Conference on Computer Vision (pp. 5870-5878).
- Tongji University
尺度恢复（Scale recovery）是单目视觉里程表的主要问题之一。通常，将道路平面和摄像机高度指定为恢复比例的参考。这些方法的性能取决于相机的平面识别和高度测量。在这项工作中，我们提出了一种新颖的方法，通过结合使用深度卷积神经场从图像估计的深度来恢复尺度。我们的方法将整个环境结构视为参考，而不是指定的平面。深度估计的准确性有助于尺度的恢复。我们通过考虑两个连续的帧以及进入的网络摄像机的运动，来提高深度估计的性能。迭代获得深度细化和尺度恢复。这样，我们的方法可以消除尺度漂移并同时改善深度估计。我们的方法的有效性已在KI
