【紫冬分享】移动机器人视觉里程计综述
2018/10/31紫冬君 中国科学院自动化研究所

     【今日聚焦】

     定位是移动机器人导航的重要组成部分。在定位问题中，视觉发挥了越来越重要的作用。本文按照数据关联方式的不同介绍了视觉里程计(Visualodometry, VO)所使用的较为代表性方法，讨论了提高视觉里程计鲁棒性的方法。此外，本文讨论了语义分析在视觉定位中作用以及如何使用深度学习神经网络进行视觉定位的问题。最后，本文简述了视觉定位目前存在的问题和未来的发展方向。

     图1：直接法与非直接法的优缺点对比

     图2：常用运动模型先验假设

    

     图3：常用的鲁棒估计器

    

     图4：VO系统中的鲁棒目标函数设计

    

     图5：深度图模型

     图6：深度网络定位系统特点

     ② Burgard等提出了一种基于图模型的相对位姿计算方法，但该方法是基于二维空间中三自由度的运动，我们将之拓展至三维空间六自由度的运动。两个位姿之间的相对误差为

    

    

     图7：视觉定位系统工具库

    

     图8：VO系统常用验证数据集

     更多精彩内容，欢迎关注

     中科院自动化所官方网站：

     http://www.ia.ac.cn

     欢迎后台留言、推荐您感兴趣的话题、内容或资讯，小编恭候您的意见和建议!如需转载或投稿，请后台私信。

     作者：丁文东 徐德 刘希龙 张大鹏 陈天

     来源：自动化学报

     审稿：徐德

     排版：松栩栩

     编辑：鲁宁

     中科院自动化研究所

     微信：casia1956

     欢迎搭乘自动化所AI旗舰号!

    源网页  http://weixin.100md.com
返回 中国科学院自动化研究所 返回首页 返回百拇医药