攝像機再定位中深度學習的不確定性建模

　　我們提出了一個魯棒的實時單目六自由度視覺重定位系統(tǒng)。利用貝葉斯卷積神經(jīng)網(wǎng)絡對單RGB圖像的6自由度攝像機姿態(tài)進行回歸。它以端到端的方式進行培訓，不需要額外的工程或圖形優(yōu)化。該算法可在室內外實時運行，計算時間不超過6ms。對于非常大的室外場景，它可獲得大約2米和6度的精度，而對于室內場景，它可獲得0.5米和10度的精度。利用貝葉斯卷積神經(jīng)網(wǎng)絡實現(xiàn)方法，我們得到了模型的再定位不確定性估計，并提高了大規(guī)模戶外數(shù)據(jù)集的定位精度。我們利用不確定性度量來估計度量重定位誤差，并檢測輸入圖像中場景的存在與否。結果表明，模型的不確定性是由圖像在姿態(tài)和外觀上與訓練數(shù)據(jù)集的不一致引起的。

　　現(xiàn)代同步定位與映射（SLAM）系統(tǒng)在增強現(xiàn)實和國內機器人等領域有著良好的應用前景〔1〕，但由于其無法應對大視角或外觀的變化，在野外還沒有得到廣泛的應用。視覺SLAM使用的點標記，例如SIFT［2］或ORB［3］，無法創(chuàng)建對這些具有挑戰(zhàn)性的場景足夠健壯的表示。密集SLAM系統(tǒng)［4］、［5］試圖直接從像素估計相機的運動，但在這些情況下也是脆弱的。他們對幀之間微小變化的假設隨著大視角或外觀的變化而中斷。除了這些缺點之外，這兩種度量SLAM框架都需要良好的初始姿態(tài)估計，以便能夠連續(xù)跟蹤相機的姿態(tài)，并且在重新定位時無效。一個互補的系統(tǒng)，基于外觀的SLAM，可以重新定位到一個粗略的姿態(tài)估計，但被限制在有限數(shù)量的離散位置中對場景進行分類。這是通過使用具有FAB-MAP的SIFT〔2〕特征〔6〕或使用卷積神經(jīng)網(wǎng)絡特征〔7〕來實現(xiàn)的。