광도 손실을 넘어서: 자기 지도 Ego-운동 추정

정확한 상대 자세는 시각적 오도메트리(VO)와 동시 위치 추정 및 매핑(SLAM)의 핵심 구성 요소 중 하나입니다. 최근에, 상대 자세와 대상 이미지 깊이를 공동으로 최적화하는 자기 감독 학습 프레임워크가 커뮤니티의 주목을 받고 있습니다. 이전 연구들은 인접 프레임 간의 깊이와 자세에서 생성된 광학적 오차에 의존하였는데, 실제 환경에서는 반사 표면과 가림 현상 때문에 큰 체계적인 오차를 포함하고 있습니다. 본 논문에서는 자기 감독 프레임워크에서 극점 기하학에 의해 제약되는 매칭 손실을 도입하여 기하학적 손실과 광학적 손실 사이의 격차를 줄였습니다. KITTI 데이터셋에서 평가한 결과, 제안된 방법은 무감독 Ego-모션 추정 방법들보다 크게 우수한 성능을 보였습니다. 코드와 데이터는 https://github.com/hlzz/DeepMatchVO에서 제공됩니다.