学习型特征描述子在混合单目视觉 SLAM 方法上的比较评估
计算机视觉与模式识别
2021-04-02 v1 机器人学
摘要
经典视觉同步定位与建图(VSLAM)算法在机器人运动或环境过于具有挑战性时容易失效。近期使用深度神经网络增强 VSLAM 算法取得了有前景的结果，我们称之为混合方法。在本文中，我们比较了采用不同学习型特征描述子的混合单目 VSLAM 方法的性能。为此，我们提出一组实验来评估算法在不同环境、相机运动和相机传感器噪声下的鲁棒性。在 KITTI 和 Euroc MAV 数据集上进行的实验证实，学习型特征描述子能够构建更鲁棒的 VSLAM 系统。
引用
@article{arxiv.2104.00085,
title = {A comparative evaluation of learned feature descriptors on hybrid monocular visual SLAM methods},
author = {Hudson M. S. Bruno and Esther L. Colombini},
journal= {arXiv preprint arXiv:2104.00085},
year = {2021}
}
备注
6 pages, Published in 2020 Latin American Robotics Symposium (LARS)