面向退化视觉环境下导航的视觉-深度地标与惯性融合
机器人学
2019-03-06 v1 计算机视觉与模式识别
摘要
本文提出一种紧密融合视觉、深度和惯性数据的方法，以扩展机器人在 GPS 拒止、光照不足和无纹理环境中的导航能力。视觉与深度信息在特征检测和描述子提取层面进行融合，以相互增强传感模态。这些多模态特征随后利用扩展 Kalman 滤波器与惯性传感器线索进一步集成，以同时估计机器人位姿、传感器偏置项和地标位置作为滤波器状态的一部分。如一组手持和微型空中飞行器实验所展示的，所提算法在使用来自轻量低成本传感器的 RGB-D 信息和来自 IMU 的数据时，在具有挑战性的视觉退化环境中表现可靠。
引用
@article{arxiv.1903.01659,
title = {Vision-Depth Landmarks and Inertial Fusion for Navigation in Degraded Visual Environments},
author = {Shehryar Khattak and Christos Papachristos and Kostas Alexis},
journal= {arXiv preprint arXiv:1903.01659},
year = {2019}
}
备注
11 pages, 6 figures, Published in International Symposium on Visual Computing (ISVC) 2018