文献

J-GLOBAL ID：202102240874681364   整理番号：21A0671363

ロバストなマルチステレオ視覚慣性オドメトリパイプライン【JST・京大機械翻訳】

A Robust Multi-Stereo Visual-Inertial Odometry Pipeline

著者 (4件)： Jaekel Joshua (Carnegie Mellon University,Robotics Institute,Pittsburgh,PA,USA,15213) ,  Mangelson Joshua G. (Carnegie Mellon University,Robotics Institute,Pittsburgh,PA,USA,15213) ,  Scherer Sebastian (Carnegie Mellon University,Robotics Institute,Pittsburgh,PA,USA,15213) ,  Kaess Michael (Carnegie Mellon University,Robotics Institute,Pittsburgh,PA,USA,15213)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IROS  ページ： 4623-4630  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： 本論文では,攻撃的運動中のロボットの状態推定のロバスト性を改善し,視覚的に挑戦的な環境において,新しいマルチステレオ視覚慣性オドメトリー(VIO)フレームワークを提案した。本システムでは,全てのステレオペアにわたって姿勢とランドマークを共同で最適化する固定ラグスムースを用いた。著者らは,すべてのステレオペアから特徴を通して異常値拒絶を実行することができる1ポイントRANdom SAmple Consenus(RANSAC)アルゴリズムを提案した。雑音のある外因性の問題を処理するために,各ステレオペアのキャリブレーションにおける不確実性を説明し,フロントエンドとバックエンドの両者でモデルをモデル化する。結果はVIOシステムであり,従来の最先端のVIOシステムに対して典型的には挑戦的であることが証明されている条件下で正確な状態推定を維持することができる。著者らは,シミュレーションおよび実世界データの両方を用いて,提案したマルチステレオアルゴリズムの利点を実証した。提案アルゴリズムは,従来のVIOアルゴリズムが失敗するシナリオにおける状態推定を維持できることを示した。Copyright 2021 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 ,  最適化 ,  雑音 ,  *視覚 ,  不確実性 ,  ロボット ,  状態推定 ,  *ステレオ音響 ,  異常値 ,  *ロバスト性
準シソーラス用語： バックエンド ,  ランドマーク ,  *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 (7件)： ロバスト ,  マルチ ,  ステレオ ,  視覚 ,  慣性 ,  オドメトリ ,  パイプライン