模式识别分类 北航张欢：如何运用深度学习进行位姿测量？| 分享总结

AI研习社按：位姿测量是许多空间任务的基础，也是移动机器人移动的前提，其重要性不必多言。传统的位姿测量方法已经发展了几十年，取得累累硕果的同时也遇到了不少技术瓶颈。模式识别分类深度学习的兴起，重新给了位姿测量新思路，本文为大家介绍的就是基于深度学习的位姿测量。

在近期AI研习社举办的线上公开课上，来自北京航空航天大学的张欢同学分享了一篇CVPR 2015文章中用到的利用深度学习进行位姿测量的方法。没有观看直播的同学可以点击视频回放（）。

张欢，北京航空航天大学模式识别与智能系统硕士在读，主要研究方向为计算机视觉，利用深度学习进行非合作目标位姿测量方面，曾带队参加MBZIRC第一届世界无人机大赛。模式识别分类

分享主题：基于深度学习的位姿测量

分享提纲：

位姿测量的意义

传统位姿测量方法的分类和挑战

基于学习的位姿测量方法

基于深度学习的位姿测量方法——描述子网络

物体的位姿测量指的是在特定的坐标系下获取目标的三个位置参数和三个姿态参数，特定的坐标系可以是世界坐标系，物体坐标系，相机坐标系。具体应用领域举例，有卫星辅助入轨，维修故障卫星 ，卫星加注燃料等。

物体的位姿测量的应用

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-70149-1.html