CNNエッジ検出とShi-Tomasiコーナー最適化に基づくロバストなエッジ直接法ビジュアルオドメトリ
Robust Edge-Direct Visual Odometry based on CNN edge detection and Shi-Tomasi corner optimization
CNNによるエッジ検出とShi-Tomasiコーナー最適化を組み合わせ、ピラミッド画像とLM法で姿勢推定するロバストな直接法ビジュアルオドメトリを提案し、TUMベンチマークで精度とロバスト性の向上を示した。
著者: Kengdong Lu, Jintao Cheng, Yubin Zhou, Juncan Deng, Rui Fan, Kaiqing Luo
分類: cs.CV, cs.RO
原文アブストラクト
In this paper, we propose a robust edge-direct visual odometry (VO) based on CNN edge detection and Shi-Tomasi corner optimization. Four layers of pyramids were extracted from the image in the proposed method to reduce the motion error between frames. This solution used CNN edge detection and Shi-Tomasi corner optimization to extract information from the image. Then, the pose estimation is performed using the Levenberg-Marquardt (LM) algorithm and updating the keyframes. Our method was compared with the dense direct method, the improved direct method of Canny edge detection, and ORB-SLAM2 system on the RGB-D TUM benchmark. The experimental results indicate that our method achieves better robustness and accuracy.
関連論文
- 球面バンドル調整ガイド付き教師なし深度学習によるスケール整合単眼魚眼ビジュアルオドメトリビジュアルオドメトリ
- ROEVO: RGB-Dカメラを用いたロバストな組織化エッジ特徴に基づくビジュアルオドメトリビジュアルオドメトリ
- スパース点群出力を備えた深層イベントビジュアルオドメトリの拡張ビジュアルオドメトリ
- HyVGGT-VO: フィードフォワードモデルと密結合したハイブリッド高密度ビジュアルオドメトリビジュアルオドメトリ
- RGB-Dカメラを用いた高速軽量な非反復型ビジュアルオドメトリビジュアルオドメトリ
- 屋内環境向け連続3Dガウスマップを用いた直接スパースオドメトリビジュアルオドメトリ
