文献

J-GLOBAL ID：201702225283320870   整理番号：17A0967471

Flowdometry:オプティカルフローと視覚的走行距離測定に対する深層学習に基づくアプローチ【Powered by NICT】

Flowdometry: An Optical Flow and Deep Learning Based Approach to Visual Odometry

著者 (2件)： Muller Peter ,  Savakis Andreas
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： WACV  ページ： 624-631  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ビジュアルオドメトリーによって,視覚データストリームからの移動マップを生成することを目的とした同時位置決めおよびマッピングに関連した挑戦的な課題である。1個または二個のカメラに基づいて,運動は,フレーム間の特徴と画素差から推定した。カメラのフレームレートのために,オプティカルフローは自己中心参照して移動し物理的距離に比例すると仮定することができ,一般的に後続フレーム間の小さな,増分変化,車両にカメラなど。Flowdometryと呼ばれる視覚走行距離計測システムでは,オプティカルフローと深層学習に基づいて提案した。オプティカルフロー画像は,畳込みニューラルネットワーク,画像の各画素のための回転と変位を計算するへの入力として使用した。変位と回転をインクリメンタルにカメラを移動しているのマップを構築するために適用した。提案したシステムは,KITTI視覚オドメトリデータセット上で訓練され,試験したが,精度はグランドトルースと予測された走行軌跡間の距離の違いによって測定した。異なる畳込みニューラルネットワークアーキテクチャ構成は,正確さのために試験し,その結果を同じデータセットを用いて他の最新の単眼視オドメトリシステムと比較した。Flowdometryシステムからの平均並進誤差は10.77%であり,平均回転誤差はメートル当たり0.0623度である。オプティカルフローフレームあたりの全実行時間は0.633秒であり,これは深い学習を用いた最先端の方法よりも23.796倍の高速化を提供する。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *距離測定 ,  畳込み ,  位置決め ,  *オプティカルフロー ,  *走行距離 ,  ニューラルネットワーク ,  カメラ ,  *視覚 ,  計測システム ,  画素 ,  *走行 ,  高速化 ,  走行軌跡
準シソーラス用語： ビジュアルオドメトリー ,  *深層学習 , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  ロボットの運動・制御  (IC04012J) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： オプティカルフロー ,  視覚 ,  距離測定 ,  深層学習