迈向机器人的视觉自运动学习

Sudeep Pillai; John J. Leonard

迈向机器人的视觉自运动学习

机器人学 2017-05-30 v1 人工智能计算机视觉与模式识别

作者: Sudeep Pillai , John J. Leonard

摘要

过去十年中提出了许多基于模型的视觉里程计(VO)算法,通常受限于相机光学类型或观测到的底层运动流形。我们设想机器人能够在最小监督环境下,随着经验积累学习并执行这些任务。为此,我们提出了一种适用于不同相机光学系统的视觉自运动估计全可训练解决方案。我们提出了一种视觉自运动学习架构,该架构通过混合密度网络(MDN)将观测到的光流向量映射为自运动密度估计。通过将该架构建模为条件变分自编码器(C-VAE),我们的模型能够为自运动引起的场景流提供内省推理与预测。此外,我们提出的模型特别适合机器人的自举式自运动学习,其中特定相机传感器的自运动估计监督可从标准基于导航的传感器融合策略(GPS/INS 与轮式里程计融合)中获取。通过实验,我们展示了所提方法在为自主机器人视觉自运动估计实现自监督学习概念方面的效用。

关键词

视觉自运动估计视觉里程计自监督学习混合密度网络条件变分自编码器自主机器人

引用

@article{arxiv.1705.10279,
  title  = {Towards Visual Ego-motion Learning in Robots},
  author = {Sudeep Pillai and John J. Leonard},
  journal= {arXiv preprint arXiv:1705.10279},
  year   = {2017}
}

备注

Conference paper; Submitted to IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2017, Vancouver CA; 8 pages, 8 figures, 2 tables

迈向机器人的视觉自运动学习

摘要

关键词

引用

备注

相关论文