基于深度学习的拓扑度量定位
计算机视觉与模式识别
2017-06-28 v1 机器人学
摘要
与提供高精度但依赖昂贵传感器的基于LiDAR的定位方法相比，视觉定位方法仅需一个摄像头，因此更具成本效益，但其精度和可靠性通常不如基于LiDAR的方法。在这项工作中，我们提出了一种基于视觉的定位方法，该方法通过使用基于LiDAR的定位方法的输出作为训练数据来向其学习，从而将廉价、被动的传感器与媲美基于LiDAR定位的精度相结合。该方法由两个分别针对视觉里程计和拓扑定位训练的深度网络组成，并通过一个后续优化步骤来结合这两个网络的预测。我们在一个为期六个月、在多变天气条件下采集的、具有高度噪声的、基于行人的新挑战性数据集上评估了该方法。实验表明，定位误差比传统基于视觉的定位方法小最多10倍。
引用
@article{arxiv.1706.08775,
title = {Topometric Localization with Deep Learning},
author = {Gabriel L. Oliveira and Noha Radwan and Wolfram Burgard and Thomas Brox},
journal= {arXiv preprint arXiv:1706.08775},
year = {2017}
}
备注
16 pages, 7 figures, ISRR 2017 submission