FLIGHT: Fibonacci Lattice-based Inference for Geometric Heading in real-Time

📄 arXiv: 2602.23115v1 📥 PDF

作者: David Dirnfeld, Fabien Delattre, Pedro Miraldo, Erik Learned-Miller

分类: cs.CV, cs.CG, cs.RO

发布日期: 2026-02-26

💡 一句话要点

FLIGHT：基于斐波那契格点的单目视频几何朝向实时推断

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)

关键词: 相机朝向估计 霍夫变换 斐波那契格点 单目视觉 运动估计

📋 核心要点

  1. 单目视频的相机运动估计是SLAM等任务的关键，但现有方法在噪声和异常值较高时性能下降。
  2. 论文提出基于斐波那契格点的霍夫变换推广，将单位球面离散化，通过大圆投票估计相机朝向。
  3. 实验表明，该方法在精度和效率上达到Pareto最优，并能有效降低SLAM初始化时的误差。

📝 摘要（中文）

本文提出了一种新颖的霍夫变换在单位球面(S(2))上的推广方法，用于估计相机朝向，旨在解决单目视频中相机运动估计问题。现有方法在低噪声、低异常值条件下表现良好，但随着噪声和异常值增加，精度下降或计算成本增加。该方法首先提取两帧之间的对应关系，并为每对对应关系生成一个相容的大圆方向。然后，使用斐波那契格点离散化单位球面作为bin中心，每个大圆对一系列方向进行投票，确保未受噪声或动态对象影响的特征始终为正确的运动方向投票。在三个数据集上的实验结果表明，该方法在精度和效率方面均处于Pareto前沿。此外，SLAM实验表明，该方法通过校正相机姿态初始化期间的朝向，降低了RMSE。

🔬 方法详解

问题定义：论文旨在解决单目视频中相机朝向估计问题，即在已知相机旋转的情况下，如何准确高效地估计相机的运动方向。现有方法在噪声和异常值存在时，精度会显著下降，或者计算复杂度过高，难以满足实时性需求。

核心思路：论文的核心思路是将霍夫变换推广到单位球面上，利用对应点之间的几何约束，通过投票的方式估计相机朝向。具体来说，对于每一对匹配的特征点，可以计算出一个与其运动方向相容的大圆。正确的相机朝向应该位于所有这些大圆的交点附近。

技术框架：该方法主要包含以下几个阶段：1) 特征提取与匹配：提取连续两帧图像中的特征点，并建立对应关系。2) 大圆生成：根据特征点对应关系，计算出与其运动方向相容的大圆。3) 单位球面离散化：使用斐波那契格点在单位球面上均匀分布bin中心。4) 投票：每个大圆对一系列方向进行投票，投票权重与大圆到bin中心的距离有关。5) 朝向估计：选择投票数最高的bin中心作为估计的相机朝向。

关键创新：该方法的关键创新在于将霍夫变换推广到单位球面上，并使用斐波那契格点进行离散化。相比于传统的霍夫变换，该方法能够更好地处理三维空间中的方向估计问题。斐波那契格点能够保证在单位球面上均匀分布bin中心，从而提高估计精度。

关键设计：论文使用斐波那契格点来离散化单位球面，格点数量是一个关键参数，影响着估计精度和计算复杂度。投票权重的设计也至关重要，论文采用了一种基于距离的加权方式，使得距离大圆较近的bin中心获得更高的投票权重。此外，论文还考虑了异常值的处理，通过设置阈值来过滤掉不一致的对应关系。

📊 实验亮点

实验结果表明，该方法在三个数据集上均取得了良好的性能，在精度和效率方面均处于Pareto前沿。与现有方法相比，该方法在噪声和异常值存在的情况下，能够更准确地估计相机朝向。在SLAM实验中，该方法通过校正相机姿态初始化期间的朝向，降低了RMSE。

🎯 应用场景

该研究成果可广泛应用于SLAM、视觉里程计、三维重建等领域。精确的相机朝向估计能够提高定位精度，增强系统的鲁棒性。该方法具有实时性，可应用于移动机器人、无人机等需要实时定位的场景。未来，该方法可以进一步扩展到处理更复杂的运动模型和场景。

📄 摘要（原文）

Estimating camera motion from monocular video is a fundamental problem in computer vision, central to tasks such as SLAM, visual odometry, and structure-from-motion. Existing methods that recover the camera's heading under known rotation, whether from an IMU or an optimization algorithm, tend to perform well in low-noise, low-outlier conditions, but often decrease in accuracy or become computationally expensive as noise and outlier levels increase. To address these limitations, we propose a novel generalization of the Hough transform on the unit sphere (S(2)) to estimate the camera's heading. First, the method extracts correspondences between two frames and generates a great circle of directions compatible with each pair of correspondences. Then, by discretizing the unit sphere using a Fibonacci lattice as bin centers, each great circle casts votes for a range of directions, ensuring that features unaffected by noise or dynamic objects vote consistently for the correct motion direction. Experimental results on three datasets demonstrate that the proposed method is on the Pareto frontier of accuracy versus efficiency. Additionally, experiments on SLAM show that the proposed method reduces RMSE by correcting the heading during camera pose initialization.