Decision Forest For Efficient and Robust Camera Relocalization
Fôrêt décisionnelle pour la relocalisation de caméra efficace et robuste
Résumé
To robustly estimate the pose, classical methods assume some geometrical and temporal assumptions (SfM: Structure from Motion , SLAM: Simultaneous Localization and mapping). These approaches take a pair of images as input and establish correspondences based on global strategy (using the whole image information) or sparse strategy (using key-points features). These correspondences allow solving a set of linear equations related to the 3D information and camera pose in that environment. These past years, machine learning has been considered as an efficient way to tackle different problems in image processing and computer vision fields. To handle the task in hand, we propose to learn directly the mapping function between the acquired information from the camera and its pose using sparse decision forest. We achieved state-of the-art results on public and on our databases.
Pour estimer de façon robuste la pose, les méthodes classiques supposent des hypothèses géométriques et temporelles (SfM : Structure du mouvement, SLAM : Localisation et cartographie simultanées). Ces approches prennent une paire d'images en entrée et établissent des correspondances basées sur une stratégie globale (utilisant l'ensemble de l'information de l'image) ou une stratégie éparses (utilisant des fonctionnalités de points caractéristiques). Ces correspondances permettent de résoudre un ensemble d'équations linéaires liées aux informations 3D et à la pose de la caméra dans cet environnement. Ces dernières années, l'apprentissage automatique a été considéré comme un moyen efficace de résoudre différents problèmes dans les domaines du traitement de l'image et de la vision par ordinateur. Pour mener à bien cette tâche, nous proposons d'apprendre directement la fonction de cartographie entre l'information acquise par la caméra et sa pose en utilisant une forêt décisionnelle éparse. Nous avons obtenu des résultats performant lors de tests sur des bases de données publiques et sur nos propres bases de données.
Origine : Fichiers produits par l'(les) auteur(s)
Loading...