Einführung in die Kameraposenabschätzung mit Deep Learning

In den letzten zwei Jahrzehnten hat Deep Learning das Gebiet der Computer Vision revolutioniert. Tiefe Faltungsnetze wurden erfolgreich angewendet, um verschiedene Vision-Aufgaben wie Bildklassifikation, Bildsegmentierung, Objekterkennung und vieles mehr zu lernen. Durch die Übertragung des Wissens, das von tiefen Modellen auf großen allgemeinen Datensätzen erlernt wurde, konnten Forscher darüber hinaus feinabgestimmte Modelle für andere spezifischere Aufgaben erstellen. Kürzlich wurde diese Idee angewendet, um die absolute Kamerapose aus einem RGB-Bild zu regressieren. Obwohl die resultierende Genauigkeit im Vergleich zu klassischen, merkmalsbasierten Lösungen suboptimal war, führte dieser Aufwand zu einem Anstieg von lernbasierten Methoden zur Posenabschätzung. Hier überprüfen wir Deep-Learning-Ansätze zur Kameraposenabschätzung. Wir beschreiben zentrale Methoden in diesem Bereich und identifizieren Trends, die darauf abzielen, die ursprüngliche Lösung zur tiefen Posenregression zu verbessern. Zudem bieten wir einen umfangreichen Vergleich bestehender lernbasierter Posen-Schätzer sowie praktische Hinweise zur Durchführung ihrer Ausführungen für Reproduzierbarkeitszwecke. Schließlich diskutieren wir aufkommende Lösungen und potenzielle zukünftige Forschungsrichtungen.