惯性网络:用于同时定位和绘制地图的惯性测量学习
Huei-Yung Lin1, Tse-An Liu2, Wei-Yang Lin3
1Department of Computer Science and Information Engineering, National Taipei University of Technology, Taipei 106, Taiwan.
InertialNet使用图像和IMU数据预测相机运动,改善机器人的同时定位和映射 (SLAM). 这种方法提供了稳定的3D定向跟踪,即使在具有挑战性的视觉条件下.
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
- 传感器融合式传感器
背景情况:
- 同时定位和映射 (SLAM) 对于机器人导航至关重要.
- 在视觉SLAM中确定3D相机定向存在重大挑战.
- 现有的方法经常在不同的环境条件和视觉复杂性方面扎.
研究的目的:
- 推出InertialNet,这是一个端到端的网络,用于预测摄像头运动姿势.
- 为了利用图像序列和惯性测量单元 (IMU) 信号之间的相关性.
- 开发一个强大的SLAM系统,独立于特定的培训集外观.
主要方法:
- 开发了InertialNet,这是一个集成图像和IMU数据的端到端网络.
- 包含一个光流子结构,以实现环境适应性.
- 专注于惯性测量学习的运动姿势预测.
主要成果:
- 惯性网在预测摄像机运动方面证明了可行性.
- 网络显示稳定的预测,尽管图像模糊,照明变化,和低质感的场景.
- 对EuRoC和定制数据集的评估证实了更快的培训融合和更少的参数.
结论:
- 惯性网有效地预测了用于增强SLAM的摄像机运动姿势.
- 网络的设计确保了网络的稳定性和适应性,以适应不同的环境.
- 这种方法为自主系统中惯性测量预测提供了有效的解决方案.
更多相关视频
11:57Three-dimensional Super Resolution Microscopy of F-actin Filaments by Interferometric PhotoActivated Localization Microscopy iPALM
Published on: December 1, 2016
09:46MPI CyberMotion Simulator: Implementation of a Novel Motion Simulator to Investigate Multisensory Path Integration in Three Dimensions
Published on: May 10, 2012
相关概念视频
Inertial Frames of Reference
Types of Global Positioning System Surveys
Non-inertial Frames of Reference
Field Application of Global Positioning System
Relative Motion Analysis using Rotating Axes-Problem Solving
Here, in order to determine the magnitude of velocity and acceleration for point...
Introduction to Global Positioning System
