改进的基于图像的水下环境姿态回归模型
原文中文,约300字,阅读约需1分钟。发表于: 。我们研究了在水下环境中使用基于图像的位姿回归模型进行重定位的性能。利用 PoseNet 和 PoseLSTM,我们能够从单个 RGB 图像准确地回归出 6 自由度的位姿。此外,我们还探索了使用立体相机图像进行数据增强以提高模型的准确性。实验结果表明,这些模型在模拟和清澈水域中都能够达到高准确度,有望在实际的水下导航和检测应用中发挥有效作用。
本研究提出了一种新的基于CNN+LSTM的摄像机姿态回归方法,通过CNN学习特征表征来进行定位,使用LSTM作为降维方法,定位性能得到改善。实验结果表明该方法在定位图像时性能优于现有的深度体系结构。