VINet：作为序列到序列学习问题的视觉惯性里程计
计算机视觉与模式识别
2017-04-04 v2
摘要
本文提出一种基于流形的序列到序列学习方法，利用视觉和惯性传感器进行运动估计。据我们所知，这是第一个端到端可训练的视觉惯性里程计方法，它在中间特征表示级别执行数据融合。我们的方法相比传统方法具有诸多优势。具体而言，它消除了繁琐的相机与IMU手动同步的需要，并消除了IMU与相机之间手动标定的需要。另一个优势是我们的模型自然且优雅地融入了领域特定信息，显著减轻了漂移。我们表明，在存在精确标定数据的情况下，我们的方法与最先进的传统方法具有竞争力，并且可以在存在标定和同步误差时训练以超越它们。
引用
@article{arxiv.1701.08376,
title = {VINet: Visual-Inertial Odometry as a Sequence-to-Sequence Learning Problem},
author = {Ronald Clark and Sen Wang and Hongkai Wen and Andrew Markham and Niki Trigoni},
journal= {arXiv preprint arXiv:1701.08376},
year = {2017}
}
备注
AAAI-17