基于cnn卷积神经网络的特征点提取与相机估计研究

该文使用有两个深卷积神经网络的点追踪系统。第一个网络,Magic Point,对单个图像进行操作,并提取显著的2D特征点。提取的点是"为SLAM准备好的",因为这些点是孤立设计的并且在整个图像中分布良好。我们将该网络与经典点检测器进行比较,并发现图像存在噪声的情况下特征点提取性能有显著的改进。当检测到的点几何稳定时,变换估计更简单,我们设计了一个第二个网络Magic Warp,它可以对成对的点图像(Magic Point的输出)进行操作,并估计与输入相关的单应性。这种转换引擎与传统的方法不同,因为它不使用本地点描述符,只是点位置。这两个网络都用简单的合成数据进行训练,减轻了高代价的外部摄像机地面实况和高级图形渲染的需求。该系统快速,精简,在单个CPU上轻松运行30+FPS。