无监督深度单应性：一种快速且鲁棒的单应性估计模型

多张航拍图像之间的单应性估计可以为协作自主探索和监测提供相对姿态估计。在机器人系统中的应用需要一种快速且鲁棒的单应性估计算法。本研究提出了一种无监督学习算法，用于训练深度卷积神经网络（Deep Convolutional Neural Network）来估计平面单应性。我们将所提出的算法与传统的基于特征的方法和直接方法以及相应的有监督学习算法进行了比较。实验结果表明，与传统方法相比，无监督算法实现了更快的推理速度，同时保持了相当或更好的精度，并对光照变化具有更强的鲁棒性。此外，在合成数据集和代表性的真实世界航拍数据集上，我们的无监督方法在适应性和性能方面均优于有监督深度学习方法。