![](/style/images/good.png)
![](/style/images/bad.png)
用于机器人导航辅助的6自由度姿态估计的平面辅助视觉惯性里程计
source link: https://mp.weixin.qq.com/s/p_QLsV1SPS8vmDjop6u4SQ
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
用于机器人导航辅助的6自由度姿态估计的平面辅助视觉惯性里程计
点击上方“3D视觉工坊”,选择“星标”
干货第一时间送达
用于机器人导航辅助的6自由度姿态估计的平面辅助视觉惯性里程计HE ZHANG AND CANG YE (Senior Member, IEEE)【论文速看】1、解决了什么问题?很多论文通过使用视觉里程计的输出来更新IMU的偏置等,但现在还没有很可靠的算法来评估视觉里程计输出的可靠性。2、提出了什么方法?创新点体现在哪些方面?(1)提出新的VIO算法,使用3D TOF相机辅助导航;(2)从当前相机视场的3D点云中提取平面信息,并进行跟踪(3)提出评估视觉里程计输出精度的算法3、有哪些需要补充的知识点(1)3D TOF相机(2)因子图【摘要】经典视觉惯性里程计(VIO)算法通过融合视觉里程计(VO)估计的相机自运动和惯性测量单元(IMU)测量的运动来估计运动相机的6自由度位姿。VIO试图通过在每一步使用VO的输出来更新IMU偏置的估计,从而提高IMU的测量精度。这种方法只有在准确的VO输出能被识别和使用时才有效。然而,没有可靠的方法可以用来进行在线评估的准确性的VO。这篇论文中,介绍了一个新的用于机器人导航辅助(RNA)的位置估计VIO算法,该算法使用了一个3DTOF相机辅助导航。该算法(称作PAVIO)从当前相机视场的3D点云中提取平面,并且通过使用IMU的测量在下一相机视场中跟踪这些平面。算法计算了各跟踪平面参数的协方差矩阵,并且利用参数协方差来进行基于卡方检验的平面一致性检测从而提高VO的输出精度。只有当VO的输出准确时,PAVIO才会接收VO的输出。接收到的VO输出、提取平面的信息以及IMU随时间的测量都被用于构建一个因子图。通过优化图,算法提升了估计IMU偏置的精度并且降低了相机位姿的误差。实验结果验证了该方法的有效性。PAVIO可用于任何基于3D摄像机的视觉惯性导航系统的6自由度姿态估计。【介绍】论文提出一种名为“平面辅助VIO”的算法(PAVIO),其通过使用一个3D TOF相机和IMU来进行位姿估计。算法从相机的点云地图中提取平面特征,并且在相机的数据帧上跟踪这些特征,从而在帧之间关联平面特征。接着,使用平面关联信息通过最小化因子图的残差来降低位子估计误差,因子图整合了VO估计的位姿变化、IMU估计的位姿变化以及关联平面的信息。论文的主要贡献:(1)提出了平面辅助的VIO算法,在图优化框架中,通过将观察到的平面与VO计算的位姿变化估计和IMU的测量紧耦合,提高了位姿估计精度。(2)提出了一个平面一致性检测算法来检测和剔除VO中不精确的位姿变化。平面一致性检测算法避免提出的VIO算法使用不精确的VO数据,从而获得精度更高的位姿估计。(3)在一个视障辅助导航的RNA原型的视惯导航系统上实现了所提出的TOF辅助的VIO方法,并在真实环境下进行了实验。
- 相对二维图像,可通过距离信息获取物体之间更加丰富的位置关系,即区分前景与后景
- 深度信息依旧可以完成对目标图像的分割、标记、识别、跟踪等传统应用
- 经过进一步深化处理,可以完成三维建模等应用
- 能够快速完成对目标的识别与追踪
- 主要配件成本相对低廉,包括CCD和普通 LED 等,对今后的普及化生产及使用有利
- 借助 CMOS 的特性,可获取大量数据及信息,对复杂物体的姿态判断极为有效
- 无需扫描设备辅助工作
- 对于普通数码相机,其造价仍然偏高,影响该产品目前的普及使用率
- 相机本身仍然受到硬件发展的限制,更新换代速度较快
- 测量距离较常规测量仪器短,一般不超过 10 米
- 测量结果受被测物性质的影响
- 大多数机器的测量结果受外界环境干扰较为明显,尤其是受外界光源干扰
- 分辨率相对较低,如PMD Camcube 2.0 型号相机,为目前分辨率最高的 3D 相机,其分辨率仅为 204×204像素
重磅!3DCVer-学术论文写作投稿 交流群已成立
扫码添加小助手微信,可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群,旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。同时也可申请加入我们的细分方向交流群,目前主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流、ORB-SLAM系列源码交流、深度估计等微信群。
一定要备注:研究方向+学校/公司+昵称,例如:”3D视觉 + 上海交大 + 静静“。请按照格式备注,可快速被通过且邀请进群。原创投稿也请联系。
▲长按关注公众号
3D视觉从入门到精通知识星球:针对3D视觉领域的知识点汇总、入门进阶学习路线、最新paper分享、疑问解答四个方面进行深耕,更有各类大厂的算法工程人员进行技术指导。与此同时,星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息,打造成集技术与就业为一体的铁杆粉丝聚集区,近2000星球成员为创造更好的AI世界共同进步,知识星球入口:
学习3D视觉核心技术,扫描查看介绍,3天内无条件退款
圈里有高质量教程资料、可答疑解惑、助你高效解决问题觉得有用,麻烦给个赞和在看~![640?wx_fmt=gif](https://mmbiz.qpic.cn/mmbiz_gif/gYUsOT36vfpFnEj3CMde0iaOKfGiaAmbfRRPePWld5pUR0niaibYOvNP5cx7nKS5I6180xeya4ZIYJClvHqSpQecqA/640?wx_fmt=gif)
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK