融合自监督学习的单帧图像运动视差关键点估计

作者：霍志浩; 金炜东^*; 唐鹏

来源：系统仿真学报, 2021, 33(11): 2753-2759.

DOI：10.16182/j.issn1004731x.joss.21-FZ0708

• 自监督学习
• 运动视差
• 全卷积网络
• FOE (Focus of Expansion)

运动视差的关键点(Focus of Expansion,FOE)是铁路接触网视频巡检的重要参数,但当前计算FOE的方法需多帧图像匹配估计,时间复杂度高。针对单帧图像FOE估计问题,结合自监督学习思想,提出了一种融合自监督学习的单帧图像FOE估计算法。搭建了全卷积网络F-VGG(Fully-VisualGeometryGroup)作为FOE的预测器,通过融合代理任务自动生成样本数据的训练标签,实现了端到端的单帧图像FOE估计。实验结果表明:该方法在FOE预测精度上平均提升13.45%,检测速度提升56.27%,适于实时应用。

• 单位
  西南交通大学; 南宁学院