探索用于端到端视觉伺服的卷积网络
机器人学
2017-06-13 v1 计算机视觉与模式识别
摘要
现有的基于图像的视觉伺服方法依赖于从图像中提取人工设计的视觉特征。选择正确的特征集非常重要，因为它直接影响任何方法的性能。受数据驱动方法在识别和定位任务上取得性能突破的启发，我们旨在学习适合在非结构化和未知环境中进行伺服任务的视觉特征表示。在本文中，我们提出了一种用于多样场景下视觉伺服的端到端学习方法，其中先验未知相机参数和场景几何知识。这是通过在彩色图像与同步相机位姿上训练卷积神经网络实现的。通过在仿真和四旋翼飞行器上进行的实验，我们证明了我们的方法在室内和室外环境中对大范围相机位姿的有效性和鲁棒性。
引用
@article{arxiv.1706.03220,
title = {Exploring Convolutional Networks for End-to-End Visual Servoing},
author = {Aseem Saxena and Harit Pandya and Gourav Kumar and Ayush Gaud and K. Madhava Krishna},
journal= {arXiv preprint arXiv:1706.03220},
year = {2017}
}
备注
IEEE ICRA 2017