像素级姿态回归网络

姿态精度升40%

把全局姿态回归拆解为局部像素匹配，用可微权重PnP滤除误匹配，显著提升复杂场景下的泛化能力。

He, Junwen · 王一凡 · 王立军 · 卢湖川

Neurocomputing 2025

参数信息

深度估计精度提升

2-5 %

姿态精度提升

40 %

室内深度精度提升

1.5 %

技术优势

姿态更准

在KITTI视觉里程计上ATE比PoseNet提升40%，因为基于3D–2D匹配而非直接回归。

室内也能泛化

在NYUv2室内数据集上深度Abs Rel比现有自监督方法提升1.5%，证明对未见场景的适应性。

误匹配自动滤除

学习到的权重模块根据外观特征自适应抑制不可靠匹配，保证位姿恢复只依赖可靠对应。

应用场景

• 自动驾驶视觉感知：提升KITTI上深度和姿态精度，可增强自动驾驶车辆定位与建图。
• 无人机视觉导航：更强的泛化能力适合无人机在复杂运动下进行视觉导航。
• 医疗机器人定位：室内泛化性提升可辅助医疗机器人在医院等场景中定位。
• 室内机器人导航：在NYUv2室内数据集上精度提升，有利于室内机器人导航。