超低分辨率热像仪与陀螺仪数据的深度融合：面向光照鲁棒且计算高效的旋转里程计
机器人学
2025-06-17 v1 人工智能
摘要
精确的旋转里程计对于自主机器人系统至关重要，尤其是对于无人机和移动机器人等小型、功耗受限的平台。本研究提出了热-陀螺融合，一种将超低分辨率热成像与陀螺仪读数相结合用于旋转里程计的新型传感器融合方法。与RGB相机不同，热成像对光照条件具有不变性，并且当与陀螺仪数据融合时，可以缓解惯性传感器常见的漂移问题。我们首先开发了一个多模态数据采集系统，用于在多样化环境中收集同步的热成像和陀螺仪数据以及旋转速度标签。随后，我们设计并训练了一个轻量级卷积神经网络（CNN），融合两种模态进行旋转速度估计。我们的分析表明，热-陀螺融合能够在不显著牺牲精度的前提下大幅降低热像仪分辨率，从而提高计算效率和内存利用率。这些优势使我们的方法非常适合在资源受限的机器人系统中进行实时部署。最后，为了促进进一步研究，我们在补充材料中公开发布了我们的数据集。
引用
@article{arxiv.2506.12536,
title = {Deep Fusion of Ultra-Low-Resolution Thermal Camera and Gyroscope Data for Lighting-Robust and Compute-Efficient Rotational Odometry},
author = {Farida Mohsen and Ali Safa},
journal= {arXiv preprint arXiv:2506.12536},
year = {2025}
}