使用前馈神经网络降低智能车辆单目视觉里程计的漂移
计算机视觉与模式识别
2022-07-05 v1 机器人学
摘要
本文提出了一种基于前馈神经网络降低单目视觉里程计算法漂移的方法。视觉里程计算法计算车辆在连续相机帧之间的增量运动，然后对这些增量进行积分以确定车辆的位姿。所提出的神经网络减少了车辆位姿估计中的误差，这些误差源于特征检测与匹配、相机内参等的不准确性。这些不准确性传播到车辆的运动估计中，导致更大的估计误差。该降漂神经网络基于连续相机帧中特征的运动来识别此类误差，从而得到更精确的增量运动估计。所提出的降漂神经网络使用 KITTI 数据集进行训练和验证，结果表明该方法在减少增量姿态估计误差方面的有效性，从而降低了位姿估计的总体误差。
引用
@article{arxiv.2207.00909,
title = {Drift Reduction for Monocular Visual Odometry of Intelligent Vehicles using Feedforward Neural Networks},
author = {Hassan Wagih and Mostafa Osman and Mohamed I. Awad and Sherif Hammad},
journal= {arXiv preprint arXiv:2207.00909},
year = {2022}
}
备注
This paper contains 6 pages and 10 figures. The paper was accepted for publication in the 25th IEEE International Conference on Intelligent Transportation Systems (IEEE ITSC 2022)