文献

J-GLOBAL ID：202002211973639934   整理番号：20A2144513

DeepMEL:深いニューラルネットワークへの視覚的マルチ経験位置決めのコンパイル【JST・京大機械翻訳】

DeepMEL: Compiling Visual Multi-Experience Localization into a Deep Neural Network

著者 (2件)： Gridseth Mona (University of Toronto Institute for Aerospace Studies (UTIAS),Ontario,Canada,4925) ,  Barfoot Timothy D. (University of Toronto Institute for Aerospace Studies (UTIAS),Ontario,Canada,4925)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICRA  ページ： 1674-1681  発行年： 2020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： 視覚ベースの経路は,ロボットを自律的に手動の教え経路を繰り返すことを可能にする。ステレオVisual Teachと反復(VT&R)[1]は,色定数イメージング[2]とマルチ経験位置確認[3]に依存して,照明,天候,および季節の変化を通して,非構造化屋外環境において,正確でロバストな長距離経路を達成する。視覚オドメトリー(VO)に対する相対姿勢を予測し,経路に関して局在化するための深いニューラルネットワークを教えるために,日,天候,および季節の異なる時間にわたる2つの別々の経路に関する屋外運転の2つのデータセットと共に,マルチ経験VT&Rを利用した。本論文では,ネットワークが環境条件をいかに一般化するかを研究するために,データセット上で排他的に実験を行った。結果に基づいて,このシステムは,ループ内経路に対して十分に正確な相対姿勢推定を達成し,そして,それは,直接(すなわち,冬から春および夜間まで)に対して,根本的に異なる条件を局所化することができ,手作業システムが持っていない能力であると信じる。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *視覚 ,  *ネットワーク ,  ロボット ,  *ニューラルネットワーク ,  位置決め ,  画像処理 ,  ステレオ音響 ,  ロバスト性
準シソーラス用語： 自律性 ,  環境条件 ,  屋外環境 ,  姿勢推定 ,  局在化 ,  天候 ,  オドメトリ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： ニューラルネットワーク ,  視覚 ,  マルチ ,  経験 ,  コンパイル