深度学习在视觉定位与三维结构恢复中的研究进展

鲍振强; 李艾华; 崔智高; 袁梦

doi:doi:10.3788/LOP55.050007

激光与光电子学进展, 2018, 55 (5): 050007, 网络出版: 2018-09-11

深度学习在视觉定位与三维结构恢复中的研究进展下载： 2096次

Research Progress of Deep Learning in Visual Localization and Three-Dimensional Structure Recovery

鲍振强 ^*李艾华崔智高袁梦

作者单位

火箭军工程大学, 陕西西安 710025

图 & 表

图 1. 超像素块的特征向量

Fig. 1. Feature vector of superpixel block

下载图片查看原文

图 2. 图像属性。(a)关联结构;(b)共线结构;(c)共面结构

Fig. 2. Image properties. (a) Connected structure; (b) co-linearity structure; (c) co-planarity structure

下载图片查看原文

图 3. GC-Net模型结构示意图

Fig. 3. Structural diagram of GC-Net model

下载图片查看原文

图 4. 测试结果。(a)输入双目图的左边图像;(b)深度估计结果;(c)真实深度

Fig. 4. Test results. (a) Left image of input binocular image; (b) depth estimation result; (c) true depth

下载图片查看原文

图 5. 经典的学习算法架构

Fig. 5. Classical learning algorithm architecture

下载图片查看原文

图 6. 算法的总体流程图

Fig. 6. Overview flow chart of algorithm

下载图片查看原文

图 7. 基于合成视图方法的总体流程图

Fig. 7. Overall flow chart based on composite view method

下载图片查看原文

图 8. 网络结构图。(a)深度估计网络; (b) 位姿估计/解释性网络

Fig. 8. Network architectures. (a) Depth estimation network; (b) pose estimation/explainability network

下载图片查看原文

鲍振强, 李艾华, 崔智高, 袁梦. 深度学习在视觉定位与三维结构恢复中的研究进展[J]. 激光与光电子学进展, 2018, 55(5): 050007. Zhenqiang Bao, Aihua Li, Zhigao Cui, Meng Yuan. Research Progress of Deep Learning in Visual Localization and Three-Dimensional Structure Recovery[J]. Laser & Optoelectronics Progress, 2018, 55(5): 050007.

深度学习在视觉定位与三维结构恢复中的研究进展下载： 2096次

图 1. 超像素块的特征向量

Fig. 1. Feature vector of superpixel block

图 2. 图像属性。(a)关联结构;(b)共线结构;(c)共面结构

Fig. 2. Image properties. (a) Connected structure; (b) co-linearity structure; (c) co-planarity structure

图 3. GC-Net模型结构示意图

Fig. 3. Structural diagram of GC-Net model

图 4. 测试结果。(a)输入双目图的左边图像;(b)深度估计结果;(c)真实深度

Fig. 4. Test results. (a) Left image of input binocular image; (b) depth estimation result; (c) true depth

图 5. 经典的学习算法架构

Fig. 5. Classical learning algorithm architecture

图 6. 算法的总体流程图

Fig. 6. Overview flow chart of algorithm

图 7. 基于合成视图方法的总体流程图

Fig. 7. Overall flow chart based on composite view method

图 8. 网络结构图。(a)深度估计网络; (b) 位姿估计/解释性网络

Fig. 8. Network architectures. (a) Depth estimation network; (b) pose estimation/explainability network

关于本站 Cookie 的使用提示

全站搜索

深度学习在视觉定位与三维结构恢复中的研究进展 下载： 2096次

图 1. 超像素块的特征向量

Fig. 1. Feature vector of superpixel block

图 2. 图像属性。(a)关联结构;(b)共线结构;(c)共面结构

Fig. 2. Image properties. (a) Connected structure; (b) co-linearity structure; (c) co-planarity structure

图 3. GC-Net模型结构示意图

Fig. 3. Structural diagram of GC-Net model

图 4. 测试结果。(a)输入双目图的左边图像;(b)深度估计结果;(c)真实深度

Fig. 4. Test results. (a) Left image of input binocular image; (b) depth estimation result; (c) true depth

图 5. 经典的学习算法架构

Fig. 5. Classical learning algorithm architecture

图 6. 算法的总体流程图

Fig. 6. Overview flow chart of algorithm

图 7. 基于合成视图方法的总体流程图

Fig. 7. Overall flow chart based on composite view method

图 8. 网络结构图。(a)深度估计网络; (b) 位姿估计/解释性网络

Fig. 8. Network architectures. (a) Depth estimation network; (b) pose estimation/explainability network

相关论文

相关资讯

关于本站 Cookie 的使用提示

全站搜索

深度学习在视觉定位与三维结构恢复中的研究进展下载： 2096次