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

1、視覺(jué)位姿估計(jì)是指利用附屬于運(yùn)動(dòng)體（如車(chē)輛、機(jī)器人等）的視覺(jué)傳感器采集的圖像數(shù)據(jù)來(lái)估計(jì)其位姿變換的過(guò)程，是基于視覺(jué)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(jué)里程計(jì)的算法研究中，是視覺(jué)SLAM系統(tǒng)的關(guān)鍵構(gòu)成模塊，具有廣泛的應(yīng)用場(chǎng)景。
　　通常，視覺(jué)里程算法計(jì)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(duì)復(fù)雜場(chǎng)景時(shí)，該類(lèi)方法往往存在穩(wěn)定性不足的缺點(diǎn)。深度學(xué)習(xí)技術(shù)在處理

2、圖像理解任務(wù)時(shí)表現(xiàn)出強(qiáng)大的特征抽象和表達(dá)能力，為視覺(jué)位姿估計(jì)問(wèn)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(chǎng)景的真實(shí)尺度，具有傳統(tǒng)方法不具備的優(yōu)勢(shì)。因此，本文針對(duì)基于深度神經(jīng)網(wǎng)絡(luò)的單目視覺(jué)位姿估計(jì)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(diǎn)，將單目視覺(jué)位姿估計(jì)問(wèn)題建模為一種有監(jiān)督的回歸學(xué)習(xí)問(wèn)題，進(jìn)行分析和設(shè)計(jì)整體算法框架，并根據(jù)特征表達(dá)方式的不同將

3、該問(wèn)題分為兩個(gè)層面進(jìn)行研究。
　　2.利用稠密光流能夠表征幀間運(yùn)動(dòng)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(jì)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(jí)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(cè)幀間位姿向量，進(jìn)而構(gòu)建位姿回歸模型。該方法既簡(jiǎn)化了特征提取過(guò)程，又能夠融合不同層次的特征，提高了模型的預(yù)測(cè)精度。
　　3.進(jìn)一步地，對(duì)上述算法進(jìn)行改進(jìn)，設(shè)計(jì)了一種基于端到端學(xué)習(xí)的位姿估計(jì)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(jì)網(wǎng)絡(luò)，利用自編碼網(wǎng)絡(luò)重構(gòu)光流場(chǎng)，提高光流特征的魯棒性。通過(guò)位姿估計(jì)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(jì)性能。同時(shí)，該算法將特征提取過(guò)程在深度學(xué)習(xí)框架下實(shí)現(xiàn)，無(wú)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(jì)實(shí)現(xiàn)了端到端的位姿估計(jì)模型，并在公開(kāi)數(shù)據(jù)集上設(shè)計(jì)仿真實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明該算法在