视觉重定位相关论文阅读(一)

参考论文Nam-Duong Duong[1]中的分类
视觉重定位方法主要分为三类：
（1）几何方法
（2）机器学习方法
（3）结合几何方法和机器学习方法
重定位流程如图

1.几何方法

主要是使用词袋BOW的方法，主要代表为ORB-SLAM
缺点
1.词袋只能限制在一个相对较小的范围内，场景太多内存消耗过多
2.局部特征的匹配可能是有噪声的，在模式重复的场景中不可靠

2.机器学习方法

代表为poseNet[2]
缺点：
（1）训练的耗时
（2）准确性中等
（3）姿态估计置信度得分不足（lack of confidence score in the
estimation of each pose）

3.结合几何方法和机器学习方法

代表为Brachmann[3]的Dsac
缺点为耗时比较严重
参考文献
[1]Efficient multi-output scene coordinate prediction for fast and accurate
camera relocalization from a single RGB image✩
Nam-Duong Duong a,∗, Catherine Soladié a,b, Amine Kacete a, Pierre-Yves Richard a,b,
Jérôme Royan a
[2]Kendall, A., Grimes, M., Cipolla, R., 2015. Posenet: A convolutional network for
real-time 6-dof camera relocalization, In: Proceedings of the IEEE International
Conference on Computer Vision. pp. 2938–2946.
开源代码
http://mi.eng.cam.ac.uk/projects/relocalisation/
[3]Brachmann, E., Krull, A., Nowozin, S., Shotton, J., Michel, F., Gumhold, S., Rother, C.,
2017. Dsac - differentiable ransac for camera localization. In: The IEEE Conference
on Computer Vision and Pattern Recognition, CVPR.
开源代码
https://github.com/vislearn/LessMore