Informationsgesteuerte direkte RGB-D-Odometrie - CVPR 2020 (mündlich)
Ergebnisse für das Papier:
Alejandro Fontán, Javier Civera, Rudolph Triebel
Informationsgesteuerte direkte RGB-D-Odometrie
CVPR 2020 (mündlich)
Entwurf des Papiers:
https://vision.in.tum.de/_media/spezial/bib/fontan20information.pdf
Projekt Web:
https://rmc.dlr.de/rm/en/staff/alejandro.fontanvillacampa/IDNav
Zusammenfassung:
In diesem Beitrag wird ein informationstheoretischer Ansatz zur Punktauswahl für die direkte RGB-D-Odometrie vorgestellt. Ziel ist es, nur die informativsten Messungen auszuwählen, um das Optimierungsproblem bei minimalen Auswirkungen auf die Genauigkeit zu reduzieren. In der visuellen Odometrie/SLAM ist es üblich, mehrere Hundert Punkte zu verfolgen und dabei eine Echtzeitleistung auf High-End-Desktop-PCs zu erzielen. Die Verringerung des Rechenaufwands wird die Implementierung von Odometrie und SLAM in Low-End-Plattformen wie
kleinen Robotern und AR/VR-Brillen. Unsere experimentellen Ergebnisse zeigen, dass unser neuartiges informationsbasiertes Auswahlkriterium es uns ermöglicht, die Anzahl der verfolgten Punkte um eine Größenordnung zu reduzieren (auf nur 24) und dabei eine Genauigkeit zu erreichen, die dem Stand der Technik entspricht (manchmal sogar übertrifft) und gleichzeitig den Rechenaufwand um das 10-fache reduziert.
Informationsgesteuerte direkte RGB-D-Odometrie - CVPR 2020 (mündlich)
Informationsgesteuerte direkte RGB-D-Odometrie - CVPR 2020 (mündlich)
Ergebnisse für das Papier:
Alejandro Fontán, Javier Civera, Rudolph Triebel
Informationsgesteuerte direkte RGB-D-Odometrie
CVPR 2020 (mündlich)
Entwurf des Papiers:
https://vision.in.tum.de/_media/spezial/bib/fontan20information.pdf
Projekt Web:
https://rmc.dlr.de/rm/en/staff/alejandro.fontanvillacampa/IDNav
Zusammenfassung:
In diesem Beitrag wird ein informationstheoretischer Ansatz zur Punktauswahl für die direkte RGB-D-Odometrie vorgestellt. Ziel ist es, nur die informativsten Messungen auszuwählen, um das Optimierungsproblem bei minimalen Auswirkungen auf die Genauigkeit zu reduzieren. In der visuellen Odometrie/SLAM ist es üblich, mehrere Hundert Punkte zu verfolgen und dabei eine Echtzeitleistung auf High-End-Desktop-PCs zu erzielen. Die Verringerung des Rechenaufwands wird die Implementierung von Odometrie und SLAM in Low-End-Plattformen wie
kleinen Robotern und AR/VR-Brillen. Unsere experimentellen Ergebnisse zeigen, dass unser neuartiges informationsbasiertes Auswahlkriterium es uns ermöglicht, die Anzahl der verfolgten Punkte um eine Größenordnung zu reduzieren (auf nur 24) und dabei eine Genauigkeit zu erreichen, die dem Stand der Technik entspricht (manchmal sogar übertrifft) und gleichzeitig den Rechenaufwand um das 10-fache reduziert.
Credit: DLR (CC BY-NC-ND 3.0)
Länge: 00:06:49