Präzise Quantifizierung der probabilistischen Unsicherheit von Vorhersagemodellen mit Anwendung auf die visuelle Lokalisierung

Unser Ansatz schätzt die probabilistische Unsicherheit, indem ein Sensorfehlerkodell erstellt wird, das einen internen Ausgabeparameter des Vorhersagemodells auf die Unsicherheit abbildet. Dieser Sensorfehlerkodell wird unter Verwendung mehrerer Bilddatenbanken für die visuelle Lokalisierung erstellt, wobei jede Datenbank über Referenzstandorte verfügt. Darüber hinaus integrieren wir Gauß-Mischmodelle, um den Sensorfehlerkodell zu verbessern und eine genauere Darstellung der Unsicherheit zu erzielen.