論文の概要: 2.5D Vehicle Odometry Estimation

• arxiv url: http://arxiv.org/abs/2111.08398v1
• Date: Tue, 16 Nov 2021 11:54:34 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-17 15:22:07.659538
• Title: 2.5D Vehicle Odometry Estimation
• Title（参考訳）: 2.5次元車両計測
• Authors: Ciaran Eising, Leroy-Francisco Pereira, Jonathan Horgan, Anbuchezhiyan Selvaraju, John McDonald, Paul Moran
• Abstract要約: ADASの応用においては、車両の姿勢を適切に見積もる必要があることはよく理解されている。 本稿では, ヤウ速度センサから得られる平面形状を, 線形サスペンションモデルにより拡張した2.5Dオードメトリーを提案する。 DGPS/IMUによる実験結果から,本モデルが既存の手法と比較して高精度なオドメトリ推定を行うことを示す。
• 参考スコア（独自算出の注目度）: 0.2302750678082437
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: It is well understood that in ADAS applications, a good estimate of the pose of the vehicle is required. This paper proposes a metaphorically named 2.5D odometry, whereby the planar odometry derived from the yaw rate sensor and four wheel speed sensors is augmented by a linear model of suspension. While the core of the planar odometry is a yaw rate model that is already understood in the literature, we augment this by fitting a quadratic to the incoming signals, enabling interpolation, extrapolation, and a finer integration of the vehicle position. We show, by experimental results with a DGPS/IMU reference, that this model provides highly accurate odometry estimates, compared with existing methods. Utilising sensors that return the change in height of vehicle reference points with changing suspension configurations, we define a planar model of the vehicle suspension, thus augmenting the odometry model. We present an experimental framework and evaluations criteria by which the goodness of the odometry is evaluated and compared with existing methods. This odometry model has been designed to support low-speed surround-view camera systems that are well-known. Thus, we present some application results that show a performance boost for viewing and computer vision applications using the proposed odometry
• Abstract（参考訳）: adasアプリケーションでは、車両の姿勢を適切に推定する必要があることはよく理解されている。 本稿では, ヤウ速度センサと4つの車輪速度センサから導出される平面型オドメトリーを, サスペンションの線形モデルにより拡張した2.5Dオドメトリーを提案する。 平面オードメトリーのコアは、既に文献で理解されているヨーレートモデルであるが、入射信号に二次的を合わせ、補間、外挿、車両位置のより微細な積分を可能にしてこれを強化する。 DGPS/IMUによる実験結果から,本モデルが既存の手法と比較して高精度なオドメトリ推定を行うことを示す。 本研究では,サスペンション構成の変化に伴う車両基準点の高さの変化をフィードバックするセンサを用いて,サスペンションの平面モデルを定義し,オドメトリモデルを強化する。 本稿では,オドメトリーの良否を既存手法と比較して評価する実験的な枠組みと評価基準を提案する。 このオドメトリモデルは、よく知られた低速サラウンドビューカメラシステムをサポートするように設計されている。 そこで我々は,提案したオドメトリーを用いた視線およびコンピュータビジョンアプリケーションの性能向上を示すアプリケーション結果を提案する。

関連論文リスト

• Geo-Localization Based on Dynamically Weighted Factor-Graph [74.75763142610717]
  特徴に基づくジオローカライゼーションは、航空画像から抽出された特徴と車両のセンサーによって検出された特徴とを関連付けることに依存する。 これにより、ランドマークの種類は両方のソースから観測できなければならない。 車両軌道推定のための動的重み付き因子グラフモデルを提案する。
  論文  参考訳（メタデータ） (2023-11-13T12:44:14Z)
• Inertial Guided Uncertainty Estimation of Feature Correspondence in Visual-Inertial Odometry/SLAM [8.136426395547893]
  慣性ガイダンスを用いて特徴対応の不確かさを推定する手法を提案する。 また,近年の視覚-慣性オドメトリー/SLAMアルゴリズムの1つに組み込むことにより,本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2023-11-07T04:56:29Z)
• Support Vector Machine for Determining Euler Angles in an Inertial Navigation System [55.41644538483948]
  本稿では,機械学習(ML)法を用いたMEMSセンサを用いた慣性ナビゲーションシステムの精度向上について論じる。 提案アルゴリズムは,MEMSセンサに典型的なノイズの存在を正しく分類できることを実証した。
  論文  参考訳（メタデータ） (2022-12-07T10:01:11Z)
• Dense Prediction Transformer for Scale Estimation in Monocular Visual Odometry [0.0]
  本論文は, 単眼視覚計測システムにおけるスケール推定における高密度予測変換器モデルの適用性を示す。 実験結果から, 単分子系のスケールドリフト問題は, 深度マップの正確な推定により低減できることが示唆された。
  論文  参考訳（メタデータ） (2022-10-04T16:29:21Z)
• A Model for Multi-View Residual Covariances based on Perspective Deformation [88.21738020902411]
  マルチビューSfM, オードメトリ, SLAMセットアップにおける視覚的残差の共分散モデルの導出を行う。 我々は、合成データと実データを用いてモデルを検証し、それを光度および特徴量に基づくバンドル調整に統合する。
  論文  参考訳（メタデータ） (2022-02-01T21:21:56Z)
• A 2.5D Vehicle Odometry Estimation for Vision Applications [0.2069421313572092]
  本稿では,車輪センサに基づく平面オドメトリとリニアサスペンションセンサに基づくサスペンションモデルを組み合わせた一連のステップについて述べる。 目的は、カメラポーズのより正確な推定を決定することです。
  論文  参考訳（メタデータ） (2021-05-06T14:01:46Z)
• IMU Preintegrated Features for Efficient Deep Inertial Odometry [0.0]
  慣性計測装置(IMU)は、様々なガジェットやロボットプラットフォームで、ユビキタスな固有受容運動測定装置として利用可能である。 これらのデータのみに基づく幾何学的変換やオードメトリの直接推論は難しい作業である。 本稿では, 深部慣性計測における生IMUデータの代替として, IMUプリインテグレーション機能を提案する。
  論文  参考訳（メタデータ） (2020-07-06T17:58:35Z)
• Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
  トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。 患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。 本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T09:49:11Z)
• Beyond Photometric Consistency: Gradient-based Dissimilarity for Improving Visual Odometry and Stereo Matching [46.27086269084186]
  本稿では,光度誤差の考え方に基づく画像の登録のための新しい指標について検討する。 ステレオ推定とビジュアルオドメトリーシステムの両方に統合し、典型的な相違と直接画像登録タスクに明確な利点を示す。
  論文  参考訳（メタデータ） (2020-04-08T16:13:25Z)
• Road Curb Detection and Localization with Monocular Forward-view Vehicle Camera [74.45649274085447]
  魚眼レンズを装着した校正単眼カメラを用いて3Dパラメータを推定するロバストな手法を提案する。 我々のアプローチでは、車両が90%以上の精度で、リアルタイムで距離を抑えることができる。
  論文  参考訳（メタデータ） (2020-02-28T00:24:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。