Patrick Geneva
収録論文 10本 ・ フィジカルAI/ロボット学習
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
論文
- MINS: 効率的でロバストなマルチセンサ慣性航法システムマルチセンサ融合2023/9/1
IMU・車輪オドメトリ・カメラ・LiDAR・GPSを効率的なフィルタリングで融合し、非同期性やキャリブレーション問題に対処したマルチセンサ慣性航法システムを開発した。
- NeRF-VINS：リアルタイムNeRF地図に基づく視覚慣性ナビゲーションシステムVLA2023/9/1
NeRFで生成した新規視点画像をIMU・単眼カメラと密結合し、リソース制約のある組み込み環境で10Hz以上のリアルタイム自己位置推定を実現した。
- マルチ視覚慣性システム：解析・キャリブレーション・推定VLA2023/8/1
複数のIMUやジャイロスコープとカメラを融合するマルチ視覚慣性システムの状態推定手法を開発し、センサ間の時空間キャリブレーションと観測性解析を行った。
- 視覚慣性ナビゲーションのオンライン自己校正：モデル・解析・退化VINS/自己校正2022/1/1
視覚慣性ナビゲーションシステムにおいて、IMU・カメラ内部パラメータや外部キャリブレーションをオンラインで自己校正する問題を解析し、可観測性と退化運動を明らかにした上で、精度とロバスト性の向上を実証した。
- 分散型視覚慣性協調自己位置推定協調SLAM2021/3/1
複数ロボットが環境特徴とループ閉じ込み制約を共有し、共分散交差を用いて未知の相関を補償しながら分散的に自己位置を推定する手法を提案した論文。
- LIC-Fusion 2.0：スライディングウィンドウ平面特徴追跡を用いたLiDAR-慣性-カメラオドメトリマルチセンサ融合オドメトリ2020/8/1
IMUで補償したLiDAR点群から低曲率の平面点を抽出しスライディングウィンドウ内で追跡する新手法を導入し、LiDAR-慣性-カメラ融合オドメトリの精度とロバスト性を向上させた研究。
- 複数IMU・複数カメラ対応の堅牢な視覚慣性ナビゲーションシステムVINS2020/6/1
任意台数の未校正カメラとIMUを統合し、センサ故障時も途切れず高精度な3D運動追跡を実現するMSCKFベースのリアルタイム推定器を提案した論文。
- LIC-Fusion：LiDAR・慣性・カメラ融合オドメトリセンサフュージョン2019/9/1
IMU・疎な視覚特徴・LiDAR点を密結合し、3センサ間のオンライン時空間キャリブレーションを行うMSCKFベースの融合オドメトリを提案。屋内屋外実験でVIOやLiDARオドメトリより高精度・高ロバスト。
- 効率的なSchmidt-EKFによる3D視覚慣性SLAMVIO/SLAM2019/3/1
IMUと単眼カメラを密結合し、Schmidtカルマンフィルタで成熟した特徴点をナッジパラメータとして扱うことで計算量を地図サイズに対して線形に抑えた高精度3D視覚慣性SLAMを提案。
- グラフベース視覚慣性ナビゲーションのための閉形式プリインテグレーション法VIO2018/5/1
IMUとカメラの融合において、測定ダイナミクスの離散サンプリングではなくプリインテグレーション方程式の閉形式解を導出し、状態推定精度を向上させる手法を提案。2種類の慣性モデルを検討し、直接法・間接法の視覚慣性ナビゲーションシステムで実世界実験により有効性を検証した。
