論文の概要: An Improved Multi-State Constraint Kalman Filter for Visual-Inertial Odometry
- arxiv url: http://arxiv.org/abs/2210.08117v2
- Date: Fri, 25 Oct 2024 22:14:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-29 16:00:47.267537
- Title: An Improved Multi-State Constraint Kalman Filter for Visual-Inertial Odometry
- Title（参考訳）: 視覚慣性オドメトリーのための多状態制約カルマンフィルタの改良
- Authors: M. R. Abdollahi, Seid H. Pourtakdoust, M. H. Yoosefian Nooshabadi, H. N. Pishkenari,
- Abstract要約: 本稿では,Multi-State Constraint Kalman Filter(MSCKF)の強化版を提案する。
提案したFast-MSCKF (FMSCKF) は標準MSCKFアルゴリズムよりも約6倍高速で、最終位置推定において少なくとも20%精度が高いことが実証された。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Fast pose estimation (PE) is of vital importance for successful mission performance of agile autonomous robots. Global Positioning Systems such as GPS and GNSS have been typically used in fusion with Inertial Navigation Systems (INS) for PE. However, the low update rate and lack of proper signals make their utility impractical for indoor and urban applications. On the other hand, Visual-Inertial Odometry (VIO) is gaining popularity as a practical alternative for GNSS/INS systems in GPS-denied environments. Among the many VIO-based methods, the Multi-State Constraint Kalman Filter (MSCKF) has received a greater attention due to its robustness, speed and accuracy. To this end, the high computational cost associated with image processing for real-time implementation of MSCKF on resource-constrained vehicles is still a challenging ongoing research. In this paper, an enhanced version of the MSCKF is proposed. To this aim, different feature marginalization and state pruning strategies are suggested that result in a much faster algorithm. The proposed algorithm is tested both on an open-source dataset and in real-world experiments for validation. It is demonstrated that the proposed Fast-MSCKF (FMSCKF) is about six times faster and at least 20% more accurate in final position estimation than the standard MSCKF algorithm.
- Abstract（参考訳）: 高速ポーズ推定(PE)は、アジャイル自律ロボットのミッションパフォーマンスの成功に不可欠である。
GPSやGNSSのようなグローバル測位システムは、一般的にPEのための慣性航法システム(Inertial Navigation Systems,INS)との融合に用いられている。
しかし、更新率の低さと適切な信号の欠如により、屋内や都市での利用には実用性が欠如している。
一方,視覚慣性オドメトリー(VIO)は,GPSを用いた環境において,GNSS/INSシステムに代わる実用的な代替手段として人気を集めている。
多くのVIOベースの手法の中で、MSCKF(Multi-State Constraint Kalman Filter)はその堅牢性、速度、精度から注目されている。
この目的のために,MSCKFを資源制約車にリアルタイムに実装するための画像処理に係わる高い計算コストは,いまだに進行中の研究である。
本稿では,MSCKFの改良版を提案する。
この目的のために、異なる特徴境界化とステートプルーニング戦略が提案され、より高速なアルゴリズムが実現される。
提案アルゴリズムは,オープンソースデータセットと実世界の検証実験の両方で検証される。
提案したFast-MSCKF (FMSCKF) は標準MSCKFアルゴリズムよりも約6倍高速で、最終位置推定において少なくとも20%精度が高いことが実証された。
関連論文リスト
- MPVO: Motion-Prior based Visual Odometry for PointGoal Navigation [3.9974562667271507]
視覚計測(VO)は,室内環境におけるエンボディエージェントの正確なポイントゴールナビゲーションを可能にするために不可欠である。
近年の深層学習VO法は, 頑健な性能を示すが, トレーニング中のサンプル不効率に悩まされている。
エージェントが環境をナビゲートしている間に利用可能な動作先に基づいて、ロバストでサンプル効率の良いVOパイプラインを提案する。
論文 参考訳（メタデータ） (2024-11-07T15:36:49Z) - Spatial-Temporal Generative AI for Traffic Flow Estimation with Sparse Data of Connected Vehicles [48.32593099620544]
交通流推定(TFE)はインテリジェント交通システムにおいて重要である。
本稿では,スパース時間生成人工知能(GAI)フレームワークを活用した,新規で費用対効果の高いTFEフレームワークを提案する。
このフレームワーク内では、条件エンコーダは初期TFE結果の時空間相関をマイニングする。
論文 参考訳（メタデータ） (2024-07-10T20:26:04Z) - PO-MSCKF: An Efficient Visual-Inertial Odometry by Reconstructing the Multi-State Constrained Kalman Filter with the Pose-only Theory [0.0]
視覚慣性オドメトリー(VIO)は、ペイロード制約ロボットにとって不可欠である。
そこで本研究では,MSCKF VIOを多視点構造記述(Pose-Only (PO) multi-view geometry description)を用いて再構成する。
新しいフィルタは特徴位置情報を一切必要とせず、計算コストと線形化誤差を除去する。
論文 参考訳（メタデータ） (2024-07-02T02:18:35Z) - Real-Time Spacecraft Pose Estimation Using Mixed-Precision Quantized Neural Network on COTS Reconfigurable MPSoC [0.13108652488669734]
本稿では、市販MPSoCのFPGAコンポーネント上に実装された混合精度量子化ニューラルネットワークを用いて、リアルタイム宇宙船のポーズ推定の先駆的なアプローチを提案する。
我々の貢献には、そのようなアルゴリズムを初めてリアルタイムでオープンソースに実装することが含まれており、効率的な宇宙船ポーズ推定アルゴリズムを広く利用できるようにするための大きな進歩を示している。
論文 参考訳（メタデータ） (2024-06-06T17:36:26Z) - Brain-Inspired Visual Odometry: Balancing Speed and Interpretability
through a System of Systems Approach [0.0]
本研究は,視覚オドメトリー(VO)システムにおける速度と精度のバランスをとることの課題に対処する。
従来のVOシステムは、計算速度とポーズ推定の精度のトレードオフに直面していることが多い。
我々のシステムは、完全連結ネットワーク(FCN)内で、各自由度を独立に扱うアプローチにおいてユニークなものである。
論文 参考訳（メタデータ） (2023-12-20T16:23:48Z) - Tightly-coupled Visual-DVL-Inertial Odometry for Robot-based Ice-water
Boundary Exploration [8.555466536537292]
ローカライズ精度を高めるために,マルチセンサ融合フレームワークを提案する。
画像、ドップラー速度ログ(DVL)、慣性測定ユニット(IMU)、圧力センサーが統合されている。
提案手法は,凍結氷下のフィールドで収集したデータセットを用いて検証した。
論文 参考訳（メタデータ） (2023-03-29T20:16:39Z) - Scalable Vehicle Re-Identification via Self-Supervision [66.2562538902156]
自動車再同定は、都市規模の車両分析システムにおいて重要な要素の1つである。
車両再設計のための最先端のソリューションの多くは、既存のre-idベンチマークの精度向上に重点を置いており、計算の複雑さを無視することが多い。
推論時間に1つのネットワークのみを使用する自己教師型学習によって、シンプルで効果的なハイブリッドソリューションを提案する。
論文 参考訳（メタデータ） (2022-05-16T12:14:42Z) - Collaborative Intelligent Reflecting Surface Networks with Multi-Agent
Reinforcement Learning [63.83425382922157]
インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。
本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
論文 参考訳（メタデータ） (2022-03-26T20:37:14Z) - Efficient Few-Shot Object Detection via Knowledge Inheritance [62.36414544915032]
Few-shot Object Detection (FSOD) は、未確認のタスクに少ないトレーニングサンプルで適応できるジェネリック検出器を学習することを目的としている。
計算量の増加を伴わない効率的なプレトレイン・トランスファー・フレームワーク(PTF)のベースラインを提案する。
また,予測された新しいウェイトと事前訓練されたベースウェイトとのベクトル長の不整合を軽減するために,適応長再スケーリング(ALR)戦略を提案する。
論文 参考訳（メタデータ） (2022-03-23T06:24:31Z) - Bayesian Optimization with Machine Learning Algorithms Towards Anomaly
Detection [66.05992706105224]
本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。
ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。
実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
論文 参考訳（メタデータ） (2020-08-05T19:29:35Z) - Reinforcement Learning with Fast Stabilization in Linear Dynamical
Systems [91.43582419264763]
未知の安定化線形力学系におけるモデルベース強化学習(RL)について検討する。
本研究では,環境を効果的に探索することで,基盤システムの高速安定化を証明できるアルゴリズムを提案する。
提案アルゴリズムはエージェント環境相互作用の時間ステップで$tildemathcalO(sqrtT)$ regretを達成した。
論文 参考訳（メタデータ） (2020-07-23T23:06:40Z)
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。