Thomas Schneider
収録論文 7本 ・ フィジカルAI/ロボット学習
視覚オドメトリキャリブレーションSLAM教示・再現/空中点検SLAM/ナビゲーション視覚慣性自己校正
※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
- 鉄道車両向け視覚援用オドメトリ手法の実験比較視覚オドメトリ2019/4/1
鉄道車両の高精度な位置・速度推定に向けて、視覚および視覚慣性オドメトリの複数手法を産業・郊外・森林環境のデータでRTK-GPSと比較評価した。
- 情報量に基づく視覚・慣性センサの自己キャリブレーションキャリブレーション2019/1/1
情報理論的指標で軌道区間の情報量を評価し、キャリブレーションに最適な区間を選択することで、計算コストを一定に保ちながら高精度な自己校正を実現した。
- maplabによる長期大規模マッピングと自己位置推定SLAM2018/5/1
オープンソースのmaplabフレームワークを用いて、複数セッションから一貫した地図を構築し、数ヶ月後でも6自由度の自己位置推定や新規軌跡の登録が可能なことを実証した論文。
- 視覚慣性による教示・再現型の空中点検システム教示・再現/空中点検2018/3/1
手持ち端末で点検動作を実演して空中ロボットに教示し、GPSの使えない屋内環境で視覚慣性地図に基づき滑らかな軌道で点検を再現するシステムを提案した。
- maplab:視覚慣性マッピングと自己位置推定のためのオープン研究フレームワークSLAM2017/11/1
視覚慣性SLAMのマルチセッションマップ構築・統合・自己位置推定を一貫して行えるC++製オープンソース研究基盤maplabを提案し、公開データセットで評価した。
- Topomap:視覚SLAM地図に基づくトポロジカルマッピングとナビゲーションSLAM/ナビゲーション2017/9/1
視覚SLAMの疎な特徴点地図から占有情報を抽出し、凸自由空間クラスタを頂点とする3次元トポロジカル地図を構築して、経路計画を効率化するフレームワークを提案した。
- 情報量の高い運動区間を用いた視覚慣性自己校正視覚慣性自己校正2017/8/1
視覚慣性センサの自己校正を、情報量の多い運動区間だけを選んで区間ベース最適化で行い、計算負荷を抑えつつ精度を維持する手法を提案した。
