PERCEPTION
鲁棒VIO是否需要更多学习？分布偏移下的几何验证视觉测量
Yangyang Ning, Shu Liang, Quanbo Ge, Tianchen Deng, Yuhua Qi, Shenghai Yuan
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文探讨在分布偏移下，鲁棒视觉惯性里程计是否真的需要更深的网络学习，提出一个最小学习框架，仅用SEA-RAFT生成稠密立体对应并预测不确定性，其余模块保持显式几何与状态估计。实验表明该方法在运动模糊、动态场景等挑战下仍能保持准确稳定的估计。
关键词
VIOdistribution shiftgeometric verificationuncertaintystereo odometry
相关论文
PERCEPTION
📊 22,245 引用
Artificial intelligence: a modern approach
1995
PERCEPTION
📊 14,348 引用
Are we ready for autonomous driving? The KITTI vision benchmark suite
Andreas Geiger, P Lenz, R. Urtasun
2012
PERCEPTION
开放获取📊 9,777 引用
TensorFlow: Large-Scale Machine Learning on Heterogeneous Distributed Systems
Martı́n Abadi, Ashish Agarwal, Paul Barham 等 20 位作者
2016
PERCEPTION
📊 9,681 引用
Vision meets robotics: The KITTI dataset
Andreas Geiger, Philip Lenz, Christoph Stiller 等 4 位作者
2013