基于生成对抗网络的图像恢复与SLAM容错研究

为了提高即时定位与地图构建(SLAM)系统的容错能力,在经典图像生成网络Pix2Pix的基础上,逐步添加深度估计网络和深度信息的输入、基于STN网络的图像重建损失以及基于图像修复网络的图像补全损失3个方面的改进.结合双目图像的耦合关系,通过挖掘和融合多种信息,增大了信息的利用率,提高了模型的图像生成效果.提出将生成对抗网络(GAN)技术与SLAM容错场景相结合,直接实现了感知端的容错.在KITTI和Cityscapes数据集上进行实验,验证了改进模型的有效性.将模型生成的图像用于双目视觉系统的重建,验证了容错思想的可行性.