Estimation de la pose de la caméra basée sur un réseau neuronal convolutif

Abstract

L'apprentissage profond a permis d'obtenir une précision intéressante pour la classification d'images, la détection d'objets, la restauration d'images, la segmentation d'images et pour d'autres tâches de vision. L'idée de l'apprentissage profond a récemment été appliquée à la régression de la pose de la caméra à partir d'une image RGB. La régression ou la localisation de la pose de la caméra est un axe de recherche très intéressant, elle représente un problème essentiel en termes de robotique et de vision par ordinateur. Elle s'agit de retrouver la position et l'orientation 3D d'une caméra à partir d'une image ou d'un ensemble d'images. Elle est fondamentale pour de telles applications comme la navigation de véhicules autonomes, la structure à partir du mouvement (SfM), la réalité augmentée (AR) et la localisation et la cartographie simultanées (SLAM). Nous proposons dans ce travail une méthode basée sur l'apprentissage profond pour la localisation de la caméra. Cette méthode permet de localiser la pose de la caméra à partir des images données en utilisant un réseau de neurones convolutifs (CNN). Le réseau neuronal est entraîné pour l'estimation de la pose de caméra en utilisant des images d'entraînement. Nous montrons que la régression de la pose de la caméra a été rendue possible grâce à l'apprentissage par transfert.