論文の概要: Drift Reduction for Monocular Visual Odometry of Intelligent Vehicles using Feedforward Neural Networks

• arxiv url: http://arxiv.org/abs/2207.00909v1
• Date: Sat, 2 Jul 2022 21:28:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-07 08:13:54.634280
• Title: Drift Reduction for Monocular Visual Odometry of Intelligent Vehicles using Feedforward Neural Networks
• Title（参考訳）: フィードフォワードニューラルネットワークを用いた知的車両の単眼視覚オドメトリーにおけるドリフト低減
• Authors: Hassan Wagih, Mostafa Osman, Mohamed I. Awad, and Sherif Hammad
• Abstract要約: 視覚計測アルゴリズムは、連続するカメラフレーム間の車両のインクリメンタルな動きを計算する。 提案するニューラルネットワークは,車両の姿勢推定における誤差を低減する。 その結果,漸進方向推定における誤差の低減に提案手法の有効性が示された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, an approach for reducing the drift in monocular visual odometry algorithms is proposed based on a feedforward neural network. A visual odometry algorithm computes the incremental motion of the vehicle between the successive camera frames, then integrates these increments to determine the pose of the vehicle. The proposed neural network reduces the errors in the pose estimation of the vehicle which results from the inaccuracies in features detection and matching, camera intrinsic parameters, and so on. These inaccuracies are propagated to the motion estimation of the vehicle causing larger amounts of estimation errors. The drift reducing neural network identifies such errors based on the motion of features in the successive camera frames leading to more accurate incremental motion estimates. The proposed drift reducing neural network is trained and validated using the KITTI dataset and the results show the efficacy of the proposed approach in reducing the errors in the incremental orientation estimation, thus reducing the overall error in the pose estimation.
• Abstract（参考訳）: 本稿では,フィードフォワードニューラルネットワークを用いて,単眼視覚オドメトリーアルゴリズムにおけるドリフト低減手法を提案する。 視覚計測アルゴリズムは、連続するカメラフレーム間の車両のインクリメンタルな動きを計算し、これらのインクリメントを統合して車両のポーズを決定する。 提案するニューラルネットワークは,特徴検出とマッチング,カメラ固有のパラメータなどにおける不正確性から生じる車両のポーズ推定における誤差を低減する。 これらの不正確性は、より多くの推定誤差を引き起こす車両の運動推定に伝達される。 ドリフト低減ニューラルネットワークは、連続するカメラフレームにおける特徴の運動に基づいてそのような誤りを識別し、より正確なインクリメンタルモーション推定を行う。 提案したドリフト低減ニューラルネットワークは,KITTIデータセットを用いてトレーニング,検証を行い,提案手法の有効性を示す。

関連論文リスト

• Imitation Learning of MPC with Neural Networks: Error Guarantees and Sparsification [5.260346080244568]
  本稿では,ニューラルネットワークを用いた模倣モデル予測制御系における近似誤差の有界化のためのフレームワークを提案する。 本稿では,この手法を用いて,性能保証付き安定型ニューラルネットワークコントローラを設計する方法について論じる。
  論文  参考訳（メタデータ） (2025-01-07T10:18:37Z)
• Deep-Unrolling Multidimensional Harmonic Retrieval Algorithms on Neuromorphic Hardware [78.17783007774295]
  本稿では,高精度かつエネルギー効率の高い単発多次元高調波検索のための変換に基づくニューロモルフィックアルゴリズムの可能性について検討する。 複雑な値の畳み込み層と活性化をスパイクニューラルネットワーク(SNN)に変換する新しい手法を開発した。 変換されたSNNは、元のCNNに比べて性能が低下し、ほぼ5倍の電力効率を実現している。
  論文  参考訳（メタデータ） (2024-12-05T09:41:33Z)
• Neural Network Algorithm for Intercepting Targets Moving Along Known Trajectories by a Dubins' Car [0.0]
  時間最適制御問題として、Dubinsの車によって直線または円軌道に沿って移動する目標を迎撃する作業が定式化される。 Deep Deterministic Policy Gradientアルゴリズムに基づく教師なし学習のニューラルネットワーク手法を用いる。 対象運動の所定のクラスに対するインターセプショントラジェクトリの合成にニューラルネットワーク法を用いることの有効性を示す。
  論文  参考訳（メタデータ） (2023-04-12T21:52:39Z)
• A predictive physics-aware hybrid reduced order model for reacting flows [65.73506571113623]
  反応流問題の解法として,新しいハイブリッド型予測次数モデル (ROM) を提案する。 自由度は、数千の時間的点から、対応する時間的係数を持ついくつかのPODモードへと減少する。 時間係数を予測するために、2つの異なるディープラーニングアーキテクチャがテストされている。
  論文  参考訳（メタデータ） (2023-01-24T08:39:20Z)
• A Sequential Concept Drift Detection Method for On-Device Learning on Low-End Edge Devices [2.520804666686246]
  エッジAIシステムの現実的な問題は、トレーニングされたデータセットとデプロイされた環境のデータ分布が、時間とともにノイズや環境の変化によって異なる可能性があることである。 本稿では,ニューラルネットワークのデバイス上での学習手法と協調して,軽量なコンセプトドリフト検出手法を提案する。
  論文  参考訳（メタデータ） (2022-12-19T17:13:59Z)
• FuNNscope: Visual microscope for interactively exploring the loss landscape of fully connected neural networks [77.34726150561087]
  ニューラルネットワークの高次元景観特性を探索する方法を示す。 我々は、小さなニューラルネットワークの観測結果をより複雑なシステムに一般化する。 インタラクティブダッシュボードは、いくつかのアプリケーションネットワークを開放する。
  論文  参考訳（メタデータ） (2022-04-09T16:41:53Z)
• Collision-Free Navigation using Evolutionary Symmetrical Neural Networks [0.0]
  本稿では、反応衝突回避のための進化的ニューラルネットワークを用いた以前の研究を拡張した。 我々は、対称ニューラルネットワークと呼ばれる新しい手法を提案している。 この手法は,ネットワーク重み間の制約を強制することにより,モデルの性能を向上させる。
  論文  参考訳（メタデータ） (2022-03-29T13:02:14Z)
• Robust lEarned Shrinkage-Thresholding (REST): Robust unrolling for sparse recover [87.28082715343896]
  我々は、モデルミス特定を前進させるのに堅牢な逆問題を解決するためのディープニューラルネットワークについて検討する。 我々は,アルゴリズムの展開手法を根底にある回復問題のロバストバージョンに適用することにより,新しい堅牢なディープニューラルネットワークアーキテクチャを設計する。 提案したRESTネットワークは,圧縮センシングとレーダイメージングの両問題において,最先端のモデルベースおよびデータ駆動アルゴリズムを上回る性能を示す。
  論文  参考訳（メタデータ） (2021-10-20T06:15:45Z)
• Short-term traffic prediction using physics-aware neural networks [0.0]
  道路上の車両のフラックスの短期予測を行うアルゴリズムを提案する。 このアルゴリズムは物理を意識したリカレントニューラルネットワークに基づいている。
  論文  参考訳（メタデータ） (2021-09-21T15:31:33Z)
• MotionHint: Self-Supervised Monocular Visual Odometry with Motion Constraints [70.76761166614511]
  モノクローナルビジュアル・オドメトリー(VO)のための新しい自己教師型アルゴリズムMotionHintを提案する。 我々のMotionHintアルゴリズムは、既存のオープンソースSSM-VOシステムに容易に適用できる。
  論文  参考訳（メタデータ） (2021-09-14T15:35:08Z)
• End-to-end Learning for Inter-Vehicle Distance and Relative Velocity Estimation in ADAS with a Monocular Camera [81.66569124029313]
  本稿では,ディープニューラルネットワークのエンドツーエンドトレーニングに基づくカメラによる車間距離と相対速度推定手法を提案する。 提案手法の重要な特徴は,2つの時間的単眼フレームによって提供される複数の視覚的手がかりの統合である。 また,移動場における視線歪みの影響を緩和する車両中心サンプリング機構を提案する。
  論文  参考訳（メタデータ） (2020-06-07T08:18:31Z)

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。