ATDN vSLAM：一种全贯通的基于深度学习的视觉同步定位与建图方案
计算机视觉与模式识别
2022-07-18 v3
摘要
本文提出了一种由深度学习组件构建的视觉同步定位与建图（vSLAM）新方案。所提出的架构是一个高度模块化的框架，其中每个组件在其各自的基于视觉的深度学习解决方案领域中均提供最先进的结果。论文表明，通过这些独立构建模块的协同集成，可以创建一个可运行且高效的全贯通深度神经（ATDN）vSLAM 系统。本文引入嵌入距离损失函数，并使用该函数训练 ATDN 架构。所得系统在 KITTI 数据集的一个子集上实现了 4.4% 的平移误差与 0.0176 度/米的旋转误差。所提出的架构可用于高效低延迟的自动驾驶（AD）辅助数据库创建，以及作为自动驾驶车辆（AV）控制的基础。
引用
@article{arxiv.2206.05963,
title = {ATDN vSLAM: An all-through Deep Learning-Based Solution for Visual Simultaneous Localization and Mapping},
author = {Mátyás Szántó and György R. Bogár and László Vajta},
journal= {arXiv preprint arXiv:2206.05963},
year = {2022}
}
备注
Published in Periodica Polytechnica Electrical Engineering 11 pages