基于注意力卷积神经网络的视觉里程计

作者：高学金; 牟雨曼; 任明荣

来源：控制工程, 2023, 1-7.

DOI：10.14107/j.cnki.kzgc.20211049

• 视觉里程计
• 注意力机制
• 卷积神经网络
• 门控循环单元

传统的视觉里程计(Visual Odometry， VO)要求图片含有大量的纹理信息，且求解过程较为复杂。针对以上问题提出基于注意力卷积神经网络的视觉里程计，对相机进行端到端的位姿估计，利用注意力机制提高模型估计轨迹的精度。首先使用注意力-卷积神经网络(Convolutional Neural Networks， CNN)模块提取图像特征，然后将特征输入到门控循环单元(Gated Recurrent Unit， GRU)学习图像的时序连接性，最后通过全连接层降维输出相机位姿。在KITTI数据集上完成实验，并与其他方法进行对比，结果表明卷积网络中加入注意力机制可以有效提高估计轨迹精度，且误差低于其他视觉里程计算法。

• 单位
  北京工业大学