BriefGPT - AI 论文速递
·
DVI-SLAM: 双视觉惯性 SLAM 网络
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该研究提出了一种无监督深度神经网络方法，用于RGB-D图像和惯性测量的绝对轨迹估计，无需IMU固有参数或外部校准。在KITTI Odometry数据集上表现出有竞争力的测距性能。
🎯
关键要点
- 研究提出了一种无监督深度神经网络方法用于绝对轨迹估计。
- 该方法融合了RGB-D图像和惯性测量。
- 无需IMU固有参数或IMU与相机之间的外部校准。
- 网络学习整合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数据集上表现出有竞争力的测距性能。
- 与最先进的视觉惯性测距、视觉测距和VSLAM方法进行了比较。
➡️
