Dec, 2023
正确损失：基于学习的视觉里程计中的欧几里得和黎曼度量
Loss it right: Euclidean and Riemannian Metrics in Learning-based Visual Odometry
Olaya Álvarez-Tuñón, Yury Brodskiy, Erdal Kayacan
TL;DR本研究重点概述了视觉里程计（VO）网络中的不同姿态表示和度量函数。通过在 VO 网络 DeepVO 中实现基于欧拉角、四元数和弦距离的损失函数并分析其对性能的影响，我们研究了姿态表示和损失函数对网络收敛和泛化的显著影响。实验结果表明，符合度量要求的距离（如弦距离）可以提供更好的泛化能力和更快的收敛速度，为相机运动估计的高效准确设计提供了见解。