BriefGPT - AI 论文速递
·
面向资源受限无人机的低延迟视觉惯性里程计，利用传感器加速的光流
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本研究提出了一种无监督深度神经网络方法，用于融合RGB-D图像和惯性测量进行绝对轨迹估计。该方法通过学习整合IMU测量并生成假设轨迹，然后根据空间像素坐标的缩放图像投影误差的雅可比矩阵进行在线更正。在KITTI Odometry数据集上与最先进的视觉惯性测距、视觉测距和VSLAM方法进行了比较，表现出有竞争力的测距性能。
🎯
关键要点
- 本研究提出了一种无监督深度神经网络方法。
- 该方法用于融合RGB-D图像和惯性测量进行绝对轨迹估计。
- 网络在没有IMU固有参数或IMU与相机之间的外部校准的情况下进行学习。
- 学习整合IMU测量并生成假设轨迹。
- 根据空间像素坐标的缩放图像投影误差的雅可比矩阵进行在线更正。
- 在KITTI Odometry数据集上与最先进的视觉惯性测距、视觉测距和VSLAM方法进行了比较。
- 该方法表现出有竞争力的测距性能。
➡️
