文献

J-GLOBAL ID：202002220674936320   整理番号：20A2144739

視覚オドメトリーの再検討:何を学ぶべきか?【JST・京大機械翻訳】

Visual Odometry Revisited: What Should Be Learnt?

著者 (4件)： Zhan Huangying (the University of Adelaide,School of Computer Science) ,  Weerasekera Chamara Saroj (the University of Adelaide,School of Computer Science) ,  Bian Jia-Wang (the University of Adelaide,School of Computer Science) ,  Reid Ian (the University of Adelaide,School of Computer Science)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICRA  ページ： 4203-4210  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： 本研究では,幾何学ベース手法と深層学習を利用する単眼ビジュアルオドメトリー(VO)アルゴリズムを提案した。優れた性能を有するほとんどの既存のVO/SLAMシステムは幾何学に基づいており,異なる応用シナリオのために注意深く設計しなければならない。さらに,ほとんどの単眼システムは,スケールドリフト問題を受ける。いくつかの最近の深層学習は,VOをエンドツーエンドで学習するが,これらの深いシステムの性能は,幾何学ベースの方法とは比較できない。本研究では,VOの基本を再検討し,エピポーラ幾何学とPersective-n-Point(PnP)法と深い学習を統合するための正しい方法を探索する。特に,中間出力として単一視点深さと2視点光フローを推定するための2つの畳込みニューラルネットワーク(CNN)を訓練した。深い予測によって,著者らは,純粋な深い学習ベースおよび幾何学ベースの方法より性能が優れている単純だがロバストなフレームツーフレームVOアルゴリズム(DF-VO)を設計した。より重要なことに,このシステムは,スケール一貫した単一視点深さCNNによって支援されるスケールドリフト問題を受けない。KITTIデータセットに関する広範な実験は,このシステムのロバスト性を示し,詳細なアブレーション研究は,このシステムにおける異なる要因の影響を示している。コードはDF-VOで利用できる。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： アルゴリズム ,  幾何学 ,  *視覚 ,  学習 ,  エンドツーエンド方式 ,  単眼 ,  アブレーション ,  ロバスト性
準シソーラス用語： エピポーラ幾何 ,  オドメトリ ,  ビジュアルオドメトリー ,  深層学習 ,  畳込みニューラルネットワーク , 【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 (2件)： 視覚 ,  オドメトリー