基于相机的定位与改进的归一化互信息
机器人学
2024-12-23 v1 计算物理
摘要
自主驾驶车辆至关重要的是稳健且精细的位置定位算法。为了将此类车辆作为商品化产品，必须设计affordable的感知解决方案和可靠的位置定位算法。本文考虑以下场景：传感器数据来自安装在车辆上的廉价摄像机捕获的图像，且车辆包含细粒度全局地图。此类位置定位算法通常涉及在全局地图中查找与捕获图像最佳匹配的区域。在恶劣环境中，全局地图和捕获图像都可能存在噪声。由于摄像机安装位置的物理限制，摄像机捕获的图像可视为全局地图中道路的带噪声的透视变换版本。因此，最佳算法应考虑捕获图像中不同区域的不等噪声功率，以及由于环境变化导致的全局地图的内在不确定性。本文简要回顾了两种匹配方法：（i）标准内积（SIP），和（ii）归一化互信息（NMI）。随后提出了若干新颖且原则化的修改，以显著改善这些算法在噪声环境中的性能。这些改进灵感来自于自主车辆的物理约束，基于统计信号处理，某些情况下可被证明更优。数值仿真结果表明，这些修改的有效性。
引用
@article{arxiv.2412.16138,
title = {Cross-sectional Topology Optimization of Slender Soft Pneumatic Actuators using Genetic Algorithms and Geometrically Exact Beam Models},
author = {Leon Schindler and Kristin Miriam de Payrebrune},
journal= {arXiv preprint arXiv:2412.16138},
year = {2024}
}