Odometria Visual Esparsa Saliente Com Supervisão Somente de Pose

A Odemetria Visual (VO) é vital para a navegação de sistemas autônomos, fornecendo estimativas precisas de posição e orientação a custos razoáveis. Enquanto os métodos tradicionais de VO se destacam em algumas condições, eles enfrentam desafios como iluminação variável e desfoque de movimento. A VO baseada em aprendizado profundo, embora mais adaptável, pode enfrentar problemas de generalização em novos ambientes. Para resolver essas desvantagens, este artigo apresenta uma nova estrutura de odometria visual (VO) híbrida que aproveita a supervisão somente de pose, oferecendo uma solução equilibrada entre robustez e a necessidade de rotulagem extensa. Propomos dois designs inovadores e custo-efetivos: um pré-treinamento homográfico auto-supervisionado para aprimorar o aprendizado do fluxo óptico a partir de rótulos somente de pose e uma estratégia de detecção de pontos salientes baseada em patches aleatórios para uma extração mais precisa de patches de fluxo óptico. Esses designs eliminam a necessidade de rótulos densos de fluxo óptico para treinamento e melhoram significativamente a capacidade de generalização do sistema em ambientes diversos e desafiadores. Nosso método supervisionado somente por pose alcança desempenho competitivo em conjuntos de dados padrão e maior robustez e capacidade de generalização em cenários extremos e não vistos, mesmo em comparação com métodos de última geração supervisionados por fluxo óptico denso.