野外环境中受斜效应启发的消失点估算

摘要 估算消失点（VP）是理解三维场景和自主导航的核心问题。现有方法对于估算室内和城市环境中的消失点至关重要。然而，要在多样化、非结构化、多变和突发的野外环境中做到这一点，仍然是一个相当大的挑战。传统的结构性可变声像图估算方法存在一些缺陷，因为它们严重依赖于特征密集型计算，在野外环境中由于无序干扰而缺乏足够的结构，因此可靠性较低。受斜线效应的启发，神经元更倾向于对水平和垂直刺激做出反应，而非对角线刺激，这有助于估算 VP。本研究提出了一种从单目摄像头估算野外环境中 VPs 的方法。受斜视效应的启发，局部方向特征被分配到集群中。通过提取不同簇的端点，重塑虚拟局部方位特征。根据方位的几何推断，利用最优估算和自选择性近似估算 VP。无需事先训练，也不需要相机校准和内部参数。这种方法利用几何推理对颜色和光照的变化具有鲁棒性，因此非常适合野外环境。实验结果表明，该方法可以成功地估算出 VPs。本研究提出了一种使用单目摄像头评估 VP 的开创性方法。受斜视效应的启发，我们的方法依赖于可解释的几何推理，而不是事先的训练，从而产生了一个能处理颜色和光照变化的高鲁棒性模型。我们提出的方法大大提高了场景理解和导航能力，是野外环境的理想解决方案。