文献

J-GLOBAL ID：202202235680916099   整理番号：22A0980947

RGBD慣性オドメトリの実時間最適化ベース高密度マッピングシステム【JST・京大機械翻訳】

Real-Time Optimization-Based Dense Mapping System of RGBD-Inertial Odometry

著者 (4件)： Zhao Xinyang (School of Astronautics, Harbin Institute of Technology, Harbin, China) ,  Li Qinghua (School of Astronautics, Harbin Institute of Technology, Harbin, China) ,  Wang Changhong (School of Astronautics, Harbin Institute of Technology, Harbin, China) ,  Dou Hexuan (School of Astronautics, Harbin Institute of Technology, Harbin, China)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 861  ページ： 2508-2517  発行年： 2022年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 同時位置決めとマッピング(SLAM)は,特にナビゲーションのための姿勢推定と高密度マップの精度を必要とするモバイル車両にとって,インテリジェントロボットアプリケーションにとって極めて重要である。本論文では,RGB-DカメラとIMUデータを統合したVINS-Monoに基づく新しいSLAMフレームワークを提案し,高精度でロバストな姿勢推定を行い,同時に高密度大域的マップを構築した。ORB記述子とマルチビュー幾何学的制約と融合した特徴追跡法を用いて,特徴マッチング精度と異常値除去を改善した。滑りウィンドウにおける姿勢と特徴深さ推定の精度を改善するために,バックエンドの強結合ベースの最適化に深さ測定を用いた。最後に,オクトツリー構造と統計解析法を適用して,マップを構築し,マップを明確にし,一貫したものにした。このシステムを公開OpenLORISデータセットで試験した。結果は,著者らのシステムが最先端のSLAMアルゴリズムと比較してより高い姿勢精度とロバスト性性能を持ち,地図構築が正確で,同時に明確であることを示した。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： カメラ ,  *最適化 ,  推定 ,  追跡 ,  地図 ,  応用プログラム ,  知能ロボット ,  *追従制御 ,  強結合 ,  姿勢 ,  ロバスト性 ,  携帯電話
準シソーラス用語： 八分木 ,  姿勢推定 ,  特徴追跡 ,  *オドメトリ ,  特徴マッチング ,  RGB-Dカメラ , 【Automatic Indexing@JST】

著者キーワード (4件)： ORB記述子 ,  視覚慣性オドメトリー ,  RGB-Dカメラ ,  高密度マッピング

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  システム最適化手法  (IA02050Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 慣性 ,  オドメトリ ,  実時間最適化 ,  高密度 ,  マッピング