抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
今日までのロボットスウォームは,森林床における経路計画や障害物検出のような自律ナビゲーションのために準備されておらず,低コストを達成することができない。深さセンシングと組込み計算ハードウェアの開発は,地上ロボットのスウォームのための道を開く。本研究の目的は,地形を急速に認識するための小地上ロボットのための低コストビジョンシステムを開発することによって,この状況を改善することである。2つの深さ推定モデルを開発し,深さ推定モデルの精度,実行時間およびモデルサイズ,ならびに,メモリ消費,パワードロー,温度,および上記の2つの組込み車載コンピュータのコストに関して,ラズベリーPi 4およびJetson Nanoに関するそれらの性能を評価した。本研究は,Raspberry Pi 4に配備された自動エンコーダネットワークが,3.4Wの電力消費,約200MBのメモリ消費,および13msの平均実行時間で実行されることを実証した。これは,ロボットの低コストスウォームに対する要求を満たすことができる。さらに,この解析は,マルチスケール深層ネットワークが,カメラ運動に起因するぼやけRGB画像から深さマップを予測するために,より良く機能することを示した。本論文は,主に森林で記録された自身のデータセットで訓練された深さ推定モデル,および組込み車載コンピュータ上のそれらの性能を記述する。【JST・京大機械翻訳】