Deep Sensor Fusion for Real-Time Odometry Estimation
机器人学
2019-08-02 v1 计算机视觉与模式识别
摘要
摄像头和2D激光扫描仪的结合能够提供低成本、轻量级且精确的解决方案，这使得它们的融合非常适合许多机器人导航任务。然而，正确的数据融合依赖于传感器之间刚体变换的精确标定。在本文中，我们提出了第一个利用卷积神经网络（CNNs）融合2D激光扫描仪和单目相机进行里程计估计的框架。CNNs的使用不仅提供了从两个传感器中提取特征的工具，还能够在无需传感器间标定的情况下融合和匹配它们。我们将里程计估计转化为一个有序分类问题，以便在连续帧之间找到准确的旋转和平移值。在真实道路数据集上的结果表明，该融合网络能够实时运行，并且通过学习如何融合两种不同类型的数据信息，能够改善单一传感器自身的里程计估计。
引用
@article{arxiv.1908.00524,
title = {Deep Sensor Fusion for Real-Time Odometry Estimation},
author = {Michelle Valente and Cyril Joly and Arnaud de La Fortelle},
journal= {arXiv preprint arXiv:1908.00524},
year = {2019}
}
备注
arXiv admin note: substantial text overlap with arXiv:1902.08536