基於語義分割的級聯光流法三維重建
最新
02-01
每天一分鐘,帶你讀遍機器人頂級會議文章
標題:Cascaded Scene Flow Prediction using Semantic Segmentation
作者:Zhile Ren ;Deqing Sun ;Jan Kautz
來源:3dv 2017 ( International Conference on 3D Vision)
播音員:水蘸墨
編譯:劉田
歡迎個人轉發朋友圈;其他機構或自媒體如需轉載,後台留言申請授權
摘要
光流法進行三維重建的一般思路為:給定一對立體相機的兩個連續幀,同時估計所觀察到的場景的三維幾何和運動。許多現有的方法採用將圖片將觀察到的像素進行亞像素並,對其正則化,但是這種發放預測的位姿在剛性運動物體的形狀和運動會產生不一致的結果。
本文中設計一種假設場景由前景對象在靜態背景前面嚴格移動,並使用語義線索生成像素精確的場景流估計。
文中設計了一種級聯分類框架通過迭代細化語義分割掩模、立體對應、三維剛體運動估計和光流場精確地模擬三維場景。
最終在KITTI數據集上進行了測試,結果顯示本文提出的方法進行場景重建的效果是現有方法中最為精確的。
![](https://pic.pimg.tw/zzuyanan/1488615166-1259157397.png)
![](https://pic.pimg.tw/zzuyanan/1482887990-2595557020.jpg)
※L2-Net:用深度學習方法設計塊描述子
※創造「未來工廠」的腦波控制機器
TAG:泡泡機器人SLAM |