优化基于外观的定位与 catadioptric 摄像头:小足迹模型实时推理边缘设备上的小足迹模型
Marta Rostkowska1, Piotr Skrzypczyński1
1Institute of Robotics and Machine Intelligence, Poznan University of Technology, 60-965 Poznan, Poland.
Sensors (Basel, Switzerland)
|July 29, 2023
概括
这项研究介绍了一种高效的神经网络,用于使用光学相机进行视觉位置识别,从而为移动机器人提供可靠的室内定位. 小尺寸模型在边缘设备上实现实时性能,超过了最先进的系统.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 基于外观的定位对于移动机器人导航至关重要.
- 阴影镜摄像机提供全方位视图,但引入图像扭曲.
- 在视觉上相似的室内环境中识别具有有限功能的地方是具有挑战性的.
研究的目的:
- 设计一个高效的神经网络架构,以基于外观的本地化,使用catadioptric图像.
- 开发用于低成本服务机器人的边缘设备实时推断的小型足迹模型.
- 与最先进的方法相比,评估系统的准确性和效率.
主要方法:
- 设计和比较用于视觉位置识别的神经网络架构.
- 使用转移学习和微调对 catadioptric 图像生成全球描述符 (嵌入).
- 用定制数据集和公开可用的数据集进行测试 (COLD弗赖堡,萨尔布鲁肯).
主要成果:
- 最好的结果是使用转移学习和微调的嵌入式实现的.
- 拟议的系统在位置识别方面表现出良好的准确性.
- 该系统实现了具有竞争力的推理时间,适合实时应用.
结论:
- 开发的系统为基于外观的本地化提供了成本和能效的解决方案.
- 这种方法对于使用光学相机的室内服务机器人是有效的.
- 经过优化的神经网络架构,即使在具有挑战性的环境中,也可以实现可靠的本地化.
