ICRA2022|首尔大学发布基于物体的矩阵李群视觉惯性导航系统！
提示！ 右键单击并选择“Save link as...”进行下载。
| VIDEOS | |||
| MP4 | N/A | 480P | 下载 |
| MP4 | N/A | 360P | 下载 |
| AUDIO | |||
| MP4 | N/A | mp4a.40.2 | 下载 |
| MP4 | N/A | mp4a.40.2 | 下载 |
| MP4 | N/A | mp4a.40.2 | 下载 |
| THUMBNAILS | |||
|
JPEG | Origin Image | 下载 |
https://www.youtube.com/watch?v=DkyPLr4HNWs
他们提出了一种新的基于对象的视觉惯性导航系统，该系统完全嵌入在矩阵李群中，并基于不变卡尔曼滤波理论。具体而言，我们关注对象的相对姿态测量，并推导相关切线空间的误差方程。我们证明了可观测性不受滤波器不一致性的影响，并且非线性误差项在对象初始化时相同为零。彻底的蒙特卡罗模拟表明，我们的方法产生一致的估计，并且对较大的初始状态不确定性非常鲁棒。此外，我们还演示了使用基于深度神经网络的三维对象检测器在KITTI数据集上的实际应用。实验结果表明，姿态测量中的噪声遵循类似高斯的密度，符合我们的假设。该方法通过融合视觉和惯性测量提高了定位和目标全局建图精度，在定位精度方面优于最先进的物体级SLAM方法。
论文地址：https://ieeexplore.ieee.org/document/9812443
他们提出了一种新的基于对象的视觉惯性导航系统，该系统完全嵌入在矩阵李群中，并基于不变卡尔曼滤波理论。具体而言，我们关注对象的相对姿态测量，并推导相关切线空间的误差方程。我们证明了可观测性不受滤波器不一致性的影响，并且非线性误差项在对象初始化时相同为零。彻底的蒙特卡罗模拟表明，我们的方法产生一致的估计，并且对较大的初始状态不确定性非常鲁棒。此外，我们还演示了使用基于深度神经网络的三维对象检测器在KITTI数据集上的实际应用。实验结果表明，姿态测量中的噪声遵循类似高斯的密度，符合我们的假设。该方法通过融合视觉和惯性测量提高了定位和目标全局建图精度，在定位精度方面优于最先进的物体级SLAM方法。
论文地址：https://ieeexplore.ieee.org/document/9812443
支持的站点
