Robuste monokulare visuelle Odometrie für Flugroboter auf planetarischen Missionen
Das Video präsentiert unseren Beitrag auf der IROS 2021: "Towards Robust Monocular Visual Odometry for Flying Robots on Planetary Missions" von M. Wudenka, M. G. Müller, N. Demmel, A. Wedler, R. Triebel, D. Cremers, W. Stürzl
Zusammenfassung:
Extraterrestrische Expeditionen werden in Zukunft nicht nur von Rovern, sondern auch von Flugrobotern durchgeführt werden. Die technische Demonstrationsdrohne Ingenuity, die soeben auf dem Mars gelandet ist, wird den Beginn einer neuen Ära der Erkundung markieren, die nicht mehr durch die Durchquerbarkeit des Geländes behindert wird. Eine robuste Selbstlokalisierung ist dafür entscheidend. Kameras, die leichte, billige und informationsreiche Sensoren sind, werden bereits eingesetzt, um die Ego-Bewegung von Fahrzeugen abzuschätzen. Methoden, die sich in von Menschen geschaffenen Umgebungen bewährt haben, können jedoch nicht einfach auf anderen Planeten eingesetzt werden. Die sich stark wiederholenden Texturen in der Einöde des Mars stellen eine große Herausforderung für Deskriptor-Matching-basierte Ansätze dar. In dieser Arbeit stellen wir einen fortschrittlichen, robusten monokularen Odometrie-Algorithmus vor, der eine effiziente optische Flussverfolgung verwendet, um Merkmalskorrespondenzen zwischen Bildern und ein verfeinertes Keyframe-Auswahlkriterium zu erhalten. Im Gegensatz zu den meisten anderen Ansätzen kann unser Verfahren auch mit reinen Rotationsbewegungen umgehen, die für monokulare Odometriesysteme eine besondere Herausforderung darstellen. Darüber hinaus stellen wir einen neuartigen Ansatz zur Abschätzung des aktuellen Risikos einer Skalendrift vor, der auf einer Hauptkomponentenanalyse der relativen Translationsinformationsmatrix basiert. Auf diese Weise erhalten wir ein implizites Maß für die Unsicherheit. Wir evaluieren die Gültigkeit unseres Ansatzes an allen Sequenzen eines anspruchsvollen realen Datensatzes, der in einer marsähnlichen Umgebung aufgenommen wurde, und zeigen, dass er die modernsten Ansätze übertrifft.
Der Quellcode ist öffentlich zugänglich unter: https://github.com/DLR-RM/granite
Eine aktualisierte Version des Papiers ist verfügbar unter https://arxiv.org/abs/2109.05509
Robuste monokulare visuelle Odometrie für Flugroboter auf planetarischen Missionen
Robuste monokulare visuelle Odometrie für Flugroboter auf planetarischen Missionen
Das Video präsentiert unseren Beitrag auf der IROS 2021: "Towards Robust Monocular Visual Odometry for Flying Robots on Planetary Missions" von M. Wudenka, M. G. Müller, N. Demmel, A. Wedler, R. Triebel, D. Cremers, W. Stürzl
Zusammenfassung:
Extraterrestrische Expeditionen werden in Zukunft nicht nur von Rovern, sondern auch von Flugrobotern durchgeführt werden. Die technische Demonstrationsdrohne Ingenuity, die soeben auf dem Mars gelandet ist, wird den Beginn einer neuen Ära der Erkundung markieren, die nicht mehr durch die Durchquerbarkeit des Geländes behindert wird. Eine robuste Selbstlokalisierung ist dafür entscheidend. Kameras, die leichte, billige und informationsreiche Sensoren sind, werden bereits eingesetzt, um die Ego-Bewegung von Fahrzeugen abzuschätzen. Methoden, die sich in von Menschen geschaffenen Umgebungen bewährt haben, können jedoch nicht einfach auf anderen Planeten eingesetzt werden. Die sich stark wiederholenden Texturen in der Einöde des Mars stellen eine große Herausforderung für Deskriptor-Matching-basierte Ansätze dar. In dieser Arbeit stellen wir einen fortschrittlichen, robusten monokularen Odometrie-Algorithmus vor, der eine effiziente optische Flussverfolgung verwendet, um Merkmalskorrespondenzen zwischen Bildern und ein verfeinertes Keyframe-Auswahlkriterium zu erhalten. Im Gegensatz zu den meisten anderen Ansätzen kann unser Verfahren auch mit reinen Rotationsbewegungen umgehen, die für monokulare Odometriesysteme eine besondere Herausforderung darstellen. Darüber hinaus stellen wir einen neuartigen Ansatz zur Abschätzung des aktuellen Risikos einer Skalendrift vor, der auf einer Hauptkomponentenanalyse der relativen Translationsinformationsmatrix basiert. Auf diese Weise erhalten wir ein implizites Maß für die Unsicherheit. Wir evaluieren die Gültigkeit unseres Ansatzes an allen Sequenzen eines anspruchsvollen realen Datensatzes, der in einer marsähnlichen Umgebung aufgenommen wurde, und zeigen, dass er die modernsten Ansätze übertrifft.
Der Quellcode ist öffentlich zugänglich unter: https://github.com/DLR-RM/granite
Eine aktualisierte Version des Papiers ist verfügbar unter https://arxiv.org/abs/2109.05509
Credit: DLR (CC BY-NC-ND 3.0)
Länge: 00:06:52