我是靠谱客的博主 踏实皮卡丘，最近开发中收集的这篇文章主要介绍灰度共生矩阵特征提取步骤_语义SLAM | 深度学习用于特征提取 : SuperPoint（二）...，觉得挺不错的，现在分享给大家，希望可以做个参考。
概述
1. 概述
这次我们一起讨论SuperPoint系列文章的第二篇Toward Geometric Deep SLAM，这篇文章延续了作者清晰的写作思路，读起来很顺畅。
本文是针对SLAM设计的基于深度学习的特征提取方法，主要包括两部分，一是特征点提取网络MagicPoint，二是基于提取的特征点进行位姿估计的网络MagicWarp。特别指出的是，改方法不需要学习描述子，而只提取特征点位置。由于训练网络需要图片之间真实的位姿，作者设计了一个虚拟三维物体的库，通过模拟不同视角并截取相应的图片，得到了所需要的数据集。最终的结果显示MagicPoint在提取特征方面相比于传统方法更具鲁棒性，MagicWarp在位姿估计方面具有更高精度。
2. 算法流程
算法的整体流程如下图所示
从图中可以看出，该方法首先对两张图片分别使用MagicPoint提取特征点，然后使用MagicWarp把提取的特征点作为输入，对两张图片进行位姿的估计，直接输出一个3X3的转换矩阵。
2.1 MagicPo
最后
以上就是踏实皮卡丘为你收集整理的灰度共生矩阵特征提取步骤_语义SLAM | 深度学习用于特征提取 : SuperPoint（二）...的全部内容，希望文章能够帮你解决灰度共生矩阵特征提取步骤_语义SLAM | 深度学习用于特征提取 : SuperPoint（二）...所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复