DeepMEL：将视觉多经验定位编译为深度神经网络
机器人学
2020-03-09 v1
摘要
基于视觉的路径跟随使机器人能够自主重复人工示教路径。立体视觉示教与重复（VT&R）依靠颜色恒定成像与多经验定位，在非结构化户外环境中跨越光照、天气与季节变化实现准确鲁棒的长程路径跟随。我们利用多经验VT&R以及两条分别在不同时间、天气与季节的户外驾驶数据集，来教导深度神经网络预测用于视觉里程计（VO）的相对位姿以及相对于路径的定位。本文仅在数据集上运行实验以研究网络如何跨环境条件泛化。基于结果，我们相信我们的系统实现了足够精确可用于闭环路径跟随的相对位姿估计，并且能够将截然不同条件直接相互定位（即冬到春、昼到夜），这是我们的手工设计系统所不具备的能力。
引用
@article{arxiv.2003.02946,
title = {DeepMEL: Compiling Visual Multi-Experience Localization into a Deep Neural Network},
author = {Mona Gridseth and Timothy D. Barfoot},
journal= {arXiv preprint arXiv:2003.02946},
year = {2020}
}