LookUP：面向自主采矿车辆的仅视觉实时精确地下定位
机器人学
2019-07-01 v2
摘要
自主地下采矿车辆的一项关键能力是实时精确本地化。尽管已取得显著进展，当前已部署的系统仍有若干局限，从依赖昂贵的额外基础设施，到在高度混叠或视觉挑战性环境中基于视觉与距离传感器的技术均失效。在我们之前的工作中，我们提出了一种轻量级基于视觉的粗定位系统，可在地下采矿环境中建图并定位至数米精度。然而，该精度水平不足以提供一种比当前基于距离传感器的系统更廉价、更可靠的基于视觉的自动化替代方案。在此我们提出一种称为“LookUP”的新精确定位系统，其学习一种基于神经网络的像素采样策略，用于基于朝顶摄像头估计单应性，无需任何手动标注。该新系统在有限计算资源上实时运行，并在两个不同地下矿井现场演示，以约 5 帧每秒实现实时性能，并将平均定位误差大幅改善至约 1.2 米。
引用
@article{arxiv.1903.08313,
title = {LookUP: Vision-Only Real-Time Precise Underground Localisation for Autonomous Mining Vehicles},
author = {Fan Zeng and Adam Jacobson and David Smith and Nigel Boswell and Thierry Peynot and Michael Milford},
journal= {arXiv preprint arXiv:1903.08313},
year = {2019}
}
备注
7 pages, 7 figures, accepted for IEEE ICRA 2019