Para melhorar a precisão e a estabilidade da estimativa da pose da câmera em cenários complexos, este artigo projetou autonomamente a rede ResGraphLoc, que, ao introduzir rede residual e mecanismo de atenção gráfica, aprimora ainda mais a precisão da regressão da pose da câmera em condições de oclusão, variações de iluminação e cenas com baixa textura. A rede utiliza ResNet101 como codificador de características, fortalecendo a capacidade de extração de características salientes por meio de blocos residuais aprimorados. Camada de atenção gráfica é usada para fundir mapas de características multinível e mecanismo de autoatenção multi-cabeça possibilita a difusão e agregação das informações de características. Por fim, uma camada MLP não linear extrai características de posição e ângulo a partir do embedding de características, completando a regressão da pose da câmera de ponta a ponta. Em grandes conjuntos de dados ao ar livre, o modelo ResGraphLoc apresenta erro de pose superior aos algoritmos existentes. Nos cenários LOOP e FULL, os resultados da regressão da pose foram respectivamente 7,18 m, 2,48° e 16,96 m, 3,16°, com melhoria superior a 25% em relação aos modelos de referência. No cenário Neighborhood do conjunto de dados 4Seasons, o erro mínimo de localização externa pode chegar a 1,40 m, 0,76°. Em conjuntos de dados internos com falta e repetição de textura, os resultados da regressão da posição e do ângulo podem alcançar 0,08 m, 3,25°. Os resultados experimentais comprovam a alta precisão e estabilidade do ResGraphLoc em ambientes complexos, capaz de lidar efetivamente com oclusão, variações de iluminação e cenas com baixa textura.

visão computacional;regressão da pose da câmera;localização da câmera;atenção gráfica;fusão de características multinível