在照明变化下使用来自全向图像的伪LiDAR进行强大的位置识别
Juan José Cabrera1, Marcos Alfaro2, Arturo Gil2
1Institute for Engineering Research (I3E), Miguel Hernández University, Av. Universidad s/n, 03202, Elche, Comunidad Valenciana, Spain. juan.cabreram@umh.es.
本研究引入了一个新的视觉位置识别 (VPR) 框架,使用深度估计来提高对变化的照明和摄像机类型的稳定性. 该方法生成伪LiDAR数据,以实现更可靠的机器人定位.
科学领域:
- 计算机视觉 计算机视觉
- 机器人技术 机器人技术 机器人技术
- 机器学习 机器学习
背景情况:
- 视觉位置识别 (VPR) 系统因照明和传感器变化而难以改变外观.
- 现有的方法在动态和异质的视觉环境中缺乏稳定性.
研究的目的:
- 为强大的视觉位置识别 (VPR) 开发一种新的框架,适应照明变化和传感器异质性.
- 为了利用深度估计,在VPR系统中增强场景表示.
- 为机器人定位提供成本效益高的3D传感器替代方案.
主要方法:
- 使用Distill Any Depth (基于Depth Anything V2) 将全向图像转换为深度图.
- 将深度地图转换为伪LiDAR点云.
- 使用MinkUNeXt架构来生成全局外观描述符.
- 实施一种新的数据增强技术,使用蒸深度模型.
主要成果:
- 拟议的VPR系统在各种照明条件下表现出强大的性能,即使在对有限的云数据进行训练后也是如此.
- 该框架很好地对几何上不相似的输入进行概括,在不同的数据集和摄像头类型上进行验证.
- 该方法显示了与最先进的方法相比具有竞争力的性能,特别是在具有挑战性的照明场景中.
结论:
- 基于深度估计的场景表示为VPR挑战提供了强大的解决方案.
- 从标准摄像头生成伪LiDAR是一种可行的,具有成本效益的替代3D传感器.
- 该框架在改善复杂环境中的机器人本地化方面具有重大潜力.
更多相关视频
06:28Visualization of Low-Level Gamma Radiation Sources Using a Low-Cost, High-Sensitivity, Omnidirectional Compton Camera
Published on: January 30, 2020
08:27Author Spotlight: Efficient Image Recognition Using Directional Gradient Histogram Technique and Support Vector Machines
Published on: January 5, 2024
相关概念视频
Imaging Studies VII: Vascular Imaging
X-ray Imaging
Brain Imaging
These technologies include computerized axial tomography (CAT or CT scans), positron-emission tomography (PET scans), magnetic resonance imaging (MRI), functional magnetic resonance imaging (fMRI), and Transcranial Magnetic...
Imaging Studies IV: Magnetic Resonance Imaging
Magnetic Resonance Imaging
Imaging Studies II: Ultrasonography
