基于并发学习的图像深度估计全阶与降阶观测器扩展
系统与控制
2020-08-13 v2 机器人学
系统与控制
摘要
本文开发了基于并发学习（CL）的透视动力系统（PDS）全阶与降阶观测器。PDS 是一种广泛使用的通过相机图像序列估计特征点深度的模型。基于 CL 在自适应控制参数估计中的当前进展，针对逆深度作为时变参数出现在动力学中的 PDS 模型开发了状态观测器。在 CL 项中利用近过去滑动时间窗口内记录的数据来设计全阶与降阶状态观测器。进行了基于 Lyapunov 的稳定性分析，以证明所开发观测器的均匀最终有界（UUB）稳定性。给出了仿真结果，从收敛时间、均方根误差（RMSE）和平均绝对百分比误差（MAPE）指标方面验证所开发观测器的精度与收敛性。使用上述指标在具有眼在手配置的 7 自由度机械臂上进行了真实世界深度估计实验，以展示观测器性能。
引用
@article{arxiv.2008.04809,
title = {Extension of Full and Reduced Order Observers for Image-based Depth Estimation using Concurrent Learning},
author = {Ghananeel Rotithor and Daniel Trombetta and Rushikesh Kamalapurkar and Ashwin Dani},
journal= {arXiv preprint arXiv:2008.04809},
year = {2020}
}