CUAHN-VIO：面向视觉-惯性里程计的内容与不确定性感知单应网络
机器人学
2022-08-31 v1 计算机视觉与模式识别
机器学习
摘要
基于学习的视觉自运动估计前景广阔，但尚未准备好用于真实世界中敏捷移动机器人的导航。在本文中，我们提出 CUAHN-VIO，一种为配备下视相机的微型飞行器（MAV）设计的鲁棒且高效的单目视觉-惯性里程计（VIO）。视觉前端是一个内容与不确定性感知单应网络（CUAHN），它对非单应图像内容与网络预测的失败情况具有鲁棒性。它不仅预测单应变换，还估计其不确定性。训练是自监督的，因此不需要通常难以获取的 ground truth。该网络具有良好的泛化能力，可在新环境中无需微调即可“即插即用”部署。一个轻量级的扩展卡尔曼滤波器（EKF）作为 VIO 后端，并利用网络的平均预测与方差估计进行视觉测量更新。CUAHN-VIO 在一个高速公开数据集上进行了评估，并展现出与最先进（SOTA）VIO 方法相媲美的精度。得益于对运动模糊的鲁棒性、较低的网络推理时间（约 23ms）与稳定的处理延迟（约 26ms），CUAHN-VIO 成功在 Nvidia Jetson TX2 嵌入式处理器上机载运行以导航快速自主 MAV。
引用
@article{arxiv.2208.13935,
title = {CUAHN-VIO: Content-and-Uncertainty-Aware Homography Network for Visual-Inertial Odometry},
author = {Yingfu Xu and Guido C. H. E. de Croon},
journal= {arXiv preprint arXiv:2208.13935},
year = {2022}
}
备注
19 pages, 14 figures, 6 tables