VIO 还是 VO 更准确？

问题描述

我想构建一个输出 RGB-D 图像/视频的程序/函数。 RGB-D 图像是一个普通的 rgb 图像，但每个像素也有一个像这样的深度分量：

此代码将可以访问您手机的所有数据，因此我可以访问多个摄像头、加速度计、方向数据等。我的目标是制作最好的 RGB-D 视频。

我发现了两种主要的方法，一种是 VO（视觉里程计），在这种方法中，您将普通视频输入到某种算法中，通常是 CNN（卷积神经网络）。该算法比较某些跟踪点的距离变化，并得出深度图，如下所示：

更多信息here和here

VIO（视觉惯性里程计）数据类似，但它需要惯性测量，例如加速度计数据。我已经看到 ARCore 正在这样做here：

问题是，我不确定哪种方法可以产生更好的 RGB-D 数据，而且我无法与真实值进行比较。我很想使用 ARCore/WebXR，因为它有一个易于使用的 JS Api，它易于使用，因为它可以在手机上运行，​​而不是为 VO 编译 C++ 代码，后者使用 KITTI 或 SLAM 等算法。

我的问题是，收集最准确的 RGB-D 数据的最佳方法是什么？

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）