Článek ve sborníku konference

VEĽAS Martin, ŠPANĚL Michal, HRADIŠ Michal a HEROUT Adam. CNN for IMU Assisted Odometry Estimation using Velodyne LiDAR. In: Proceedings of IEEE International Conference on Autonomous Robot Systems and Competitions. Torres Vedras, 2018, s. 1-1.
Jazyk publikace:angličtina
Název publikace:CNN for IMU Assisted Odometry Estimation using Velodyne LiDAR
Název (cs):Konvoluční sítě pro odhad odometrie v datech LiDARu Velodyne za pomoci IMU senzoru
Strany:1-1
Sborník:Proceedings of IEEE International Conference on Autonomous Robot Systems and Competitions
Konference:IEEE International Conference on Autonomous Robot Systems and Competitions
Místo vydání:Torres Vedras, PT
Rok:2018
DOI:10.1109/ICARSC.2018.8374163
Klíčová slova
segmentace země, LiDAR, Velodyne, konvoluční neuronové sítě
Anotace
Představujeme novou metodu pro odhad odometrie pomocí konvolučních neuronových sítí z 3D skenů senzoru LiDAR. Původní řídké data jsou zakódovány do 2D matic pro trénování navržených sítí a pro predikci. Naše sítě vykazují výrazně vyš ší přesnost při odhadu parametrů translačního pohybu v porovnání s moderní metodou LOAM a zároveň umožňují běh v reálném čase. Spolu s podporou IMU je možné odhadnout přesnou odometrii s vysokou a registraci dat LiDAR. Kromě toho navrhujeme alternativní CNN natrénovanou pro predikci parametrů rotačního pohybu s taktéž porovnatelnými výsledky s metodou LOAM. Navrhovaná metoda může nahradit enkodéry kol v odhadu odometrie nebo doplnit chybějící GPS data, pri výpadku signálu GNSS (např. při mapování uvnitř budovy). Naše řešení přináší přesnost a běh v reálném čase, které jsou užitečné pro online náhled výsledků mapování a ověření úplnosti mapy v reálném čase.
BibTeX:
@INPROCEEDINGS{
   author = {Martin Ve{\'{l}}as and Michal {\v{S}}pan{\v{e}}l
	and Michal Hradi{\v{s}} and Adam Herout},
   title = {CNN for IMU Assisted Odometry Estimation using
	Velodyne LiDAR},
   pages = {1--1},
   booktitle = {Proceedings of IEEE International Conference on Autonomous
	Robot Systems and Competitions},
   year = {2018},
   location = {Torres Vedras, PT},
   doi = {10.1109/ICARSC.2018.8374163},
   language = {english},
   url = {http://www.fit.vutbr.cz/research/view_pub.php.cs?id=11527}
}

Vaše IPv4 adresa: 3.87.147.184