文献

J-GLOBAL ID：202002248278824181   整理番号：20A2554324

自律車両のための視覚的位置決めのための持続的地図節約:ORB-SLAM2拡張【JST・京大機械翻訳】

Persistent Map Saving for Visual Localization for Autonomous Vehicles: An ORB-SLAM 2 Extension

著者 (4件)： Nobis Felix (Technical University of Munich,Chair of Automotive Technology,Munich,Germany) ,  Papanikolaou Odysseas (Technical University of Munich,Chair of Automotive Technology,Munich,Germany) ,  Betz Johannes (Technical University of Munich,Chair of Automotive Technology,Munich,Germany) ,  Lienkamp Markus (Technical University of Munich,Chair of Automotive Technology,Munich,Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： EVER  ページ： 1-9  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： 電気自動車と自律運転は自動車部門における現在の研究努力を支配している。2つのトピックスは,より安全でより環境に優しい運転を可能にするという点で手に手をつける。自律車両の1つの基本的なビルディングブロックは,環境の地図を構築する能力であり,そのような地図上にそれ自身を局所化する。本論文では,環境を知覚し,地図を作成するためステレオカメラセンサを利用した。ライブ同時位置決めとマッピング(SLAM)により,基準と誤差が時間とともに蓄積されるので,グランドトルースマップが使用されないので,誤局所化のリスクがある。従って,まず,ORB-SLAM2パッケージへの拡張により,低駆動速度における環境の視覚特徴のマップを構築し,節約した。第2のランでは,マップを再負荷し,以前に構築したマップ上に局所化した。以前に構築したマップ上の負荷と局所化は,完全SLAMと比較して自律車両に対する連続位置決め精度を改善できる。このマップ節約特徴は,元のORB-SLAM2実装において欠けている。構築したSLAMマップに対するKITTIデータセットのシーンに対する位置決め精度を評価した。さらに,著者ら自身の小規模電気モデル自動車で記録されたデータ上の局所化を試験した。特徴に富む環境において,平均縦速度36m/sで走行する車両に対して,局所化の相対的並進誤差が1%以下であることを示した。局在化モードは,完全なSLAMと比較して,より良い局在化精度とより低い計算負荷に寄与する。ORB-SLAM2への寄与のソースコードは,https://github.com/TUMFTM/orbslam-map-saving-extensionで公開されるであろう。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 ,  自動車 ,  電気自動車 ,  位置決め ,  並進
準シソーラス用語： ビルディングブロック ,  計算負荷 ,  局在化 ,  ソースコード ,  グランドトゥルース , 【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)： 自律 ,  視覚 ,  地図 ,  節約 ,  拡張