利用光流引导的混合监督方法进行相对姿态估计以实现视觉里程计功能

《IEEE Access》：Relative Pose Estimation Using Optical Flow-Guided Hybrid Supervision for Visual Odometry

　　

摘要：

相对姿态估计旨在恢复不同传感器在空间场景或时间序列中的坐标变换关系，是许多计算机视觉应用中的基础任务。现有的基于监督的姿态回归方法通常仅依赖直接的真实标签作为监督信号，并采用复杂的架构进行时空建模。然而，由于这些方法仅预测六个自由度且模型参数较多，模型复杂度的增加往往会导致过拟合，而非提高几何理解能力。因此，我们提出了一种基于光流引导的混合监督方案，该方案根据像素级别的几何一致性信念来动态分配监督数据来源。这使网络从单纯的标签匹配转向对空间几何的深入理解，从而显著提高了姿态估计的准确性。利用光流编码作为运动先验比仅从图像特征中理解三维运动更为有效。这使得解码器能够在不依赖多帧几何约束的情况下保持出色的相对姿态估计精度。实验验证了光流引导在监督姿态回归中的有效性。所提出的混合监督策略有效降低了训练过程中的过拟合风险。尽管保持了轻量级的架构和快速的推理速度，与同类方法相比，我们的方法在平移精度上提高了25%。