UIE
UIE
泡芙3级
泡芙3级
  • UID14
  • 粉丝3
  • 关注0
  • 发帖数25
阅读:78回复:0

VINS-kidnap 学习笔记

楼主#
更多 发布于:2019-05-27 09:13
最近沈劭劼老师实验室又新出了一篇论文,提出了一种多世界坐标系统的相对计算和处理的全功能系统,能够减少测距漂移,从复杂的 kidnap 场景(相机被遮挡)和随机的测距故障中恢复。感谢沈老师开源,项目地址:https://github.com/HKUST-Aerial-Robotics/VINS-kidnap


VINS-kidnap 主要亮点:
作为 VINS-Fusion 的附加组件是一个功能齐全的系统,它使用全图像特征点进行位置表示,能够实时地从测距漂移,绑架和故障中恢复,可以与任何 VIO 系统配合使用, 并且 Learning Code 2 和 VINS-Fusion 插件 ROS Package 3 是开源的。
一种新颖的损失函数,用于处理标准 NetVLAD 训练中观察到的梯度问题。
解耦卷积而非标准卷积,在精确调用的基础上具有相似的性能,但计算成本降低 3 倍,可学习参数减少约 5-7 倍,使其非常适合实时闭环检测问题。
压缩 CNN 特征点的通道,而不是为扩展性显著降低图像特征点的维数,即使是 512-D 图像特征点也能提供合理的性能。
相比视觉词袋(BOVW)模型容易遇到大视角差异,噪音,弱光,曝光变化,少特征点的情况,此次提出的方法可以很好地在非平面平行视角下识别重复的位置。


这次沈劭劼老师实验室还是使用了我们的小觅双目深度相机系列:


图片:1.jpg

图片:2.jpg





小觅双目深度相机系列,以“双目+IMU+结构光”融合方案为核心,并针对不同应用场景优化,选配最佳的硬件组合,涵盖了数个适用不同场景的子产品。
更多论文详细内容请移步:https://arxiv.org/pdf/1904.06962.pdf
游客

返回顶部