-
题名基于无监督深度学习的单目视觉里程计
- 1
-
-
作者
白宇
钟锐
王奥博
方浩
刘建涛
-
机构
中国建筑一局(集团)有限公司
中建市政工程有限公司
北京理工大学自动化学院
河北林创电子科技有限公司
-
出处
《科学技术与工程》
北大核心
2024年第22期9456-9463,共8页
-
基金
国家重点研发计划(2022YFA1004703)
国家自然科学基金(62133002)。
-
文摘
近年来,视觉实时定位与建图技术(visual simultaneous localization and mapping,VSLAM)技术取得了快速发展。然而,大多数传统的VSLAM系统存在鲁棒性较差的问题而基于深度学习的VSLAM存在精度较低等问题。为了提高VSLAM系统的性能,提出了一种基于无监督深度学习的单目VSLAM。该方法首先设计深度估计网络完成对图像的深度估计。然后,设计位姿估计网络进行相机的位姿估计。最后,使用合理的损失函数保证网络在迭代过程中的有效收敛。在KITTI数据集上验证了该系统的性能。实验结果表明,与SfMLearner相比,绝对轨迹误差(absolute trajectory error,ATE)降低大约50%。与传统的VSLAM系统相比,绝对位姿误差(absolute pose error,APE)的平移部分误差也明显下降且鲁棒性得到提升。
-
关键词
同步定位与建图
深度估计网络
位姿估计网络
无监督学习
-
Keywords
SLAM robotics
depth estimation network
pose estimation network
unsupervised learning
-
分类号
TP242.6
[自动化与计算机技术—检测技术与自动化装置]
-