每天一篇论文 271/365 A Framework for Depth Estimation and Relative Localization of Ground Robots Using Com

最新推荐文章于 2024-04-22 18:58:35 发布
最新推荐文章于 2024-04-22 18:58:35 发布
阅读量340 收藏 1
点赞数
分类专栏： 每天一篇论文365
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_26623879/article/details/103285203
版权
A Framework for Depth Estimation and Relative Localization of Ground Robots Using Computer Vision
摘要

分散式结构中的三维深度估计和相对位姿估计问题是需要多个视觉控制机器人协调的任务中出现的一个具有挑战性的问题。深度估计问题旨在恢复环境的三维信息。相对定位问题包括估计两个机器人之间的相对姿态、感知彼此的姿态或共享感知环境的信息。这些问题的大多数解决方案使用一组离散数据，而不考虑事件的时间顺序。本文在连续估计的基础上，提出了一种非完整飞行器的深度和相对姿态估计框架。其基本思想是通过明确考虑安装在地面机器人上的摄像机的动力学特性来估计点的深度，并将两个摄像机观测到的三维点的估计值输入到计算机器人之间相对姿态的滤波器中。我们对一组模拟场景的收敛性进行了评估，并给出了验证该框架的实验结果。
本文提出了基于深度估计的两个机器人互相估计两者的相对位置定位。

相机和机身的相对位置转换。机身固定和相机框架的配置，以及用于投影模型的符号。
在这里插入图片描述

系统结构组成

通过场景中固定的标点，通过该点进行深度估计，在有深度的基础上，估计另一个机器人的相对位置
在这里插入图片描述
在这里插入图片描述

流浪机器人
关注
专栏目录
基于单目视觉深度估计的论文研究
RuiWell的博客
10-08 934
单目视觉 From Big to Small: Multi-Scale Local Planar Guidance for Monocular Depth Estimation 作者:Jin Han Lee, Myung-Kyu Han, Dong Wook Ko and Il Hong Suh 摘要: 由于无限多的三维场景可以投影到同一个二维场景，因此从单个图像估计精确的深度是一个具有挑战性的问题。然而，近年来基于深卷积神经网络的研究显示，在取得可信结果方面取得了很大进展。网络通常由两部分组成：用于密集特
单目深度估计论文(1）— Depth Map Prediction from a Single Image using a Multi-Scale Deep Network (NIPS 2014)
smallEngineer的博客
05-02 470
第一篇利用CNN进行单目深度估计的论文(有监督) [1] Eigen D, Puhrsch C, Fergus R. Depth map prediction from a single image using a multi-scale deep network[J]. Advances in neural information processing systems, 2014, 27.
单目深度估计论文(6）— Unsupervised learning of depth and ego-motion from video (CVPR 2017)
smallEngineer的博客
05-02 721
利用视频进行无监督单目深度估计 [1] Zhou T, Brown M, Snavely N, et al. Unsupervised learning of depth and ego-motion from video[C]. Proceedings of the IEEE conference on computer vision and pattern recognition. 2017: 1851-1858.
单目深度估计论文阅读—《Deep Learning-Based Monocular Depth Estimation Methods—A State-of-the-Art Review》
weixin_45643547的博客
05-27 1905
单目深度估计论文阅读—《Deep Learning-Based Monocular Depth Estimation Methods—A State-of-the-Art Review》作为一个深度学习单目深度估计方向的小白，这是阅读的第一篇关于这方面的文章，写个文章记录一下学习过程，文章是英文的，记录一下文章大致内容1.摘要2.概述单目深度估计2.1解决方法2.3深度估计的主要数据集3.深度学习与单目深度估计3.1有监督方法3.2无监督方法3.3半监督方法4.评估标准5.讨论5.1基于性能的比较分析5.2
解析单目深度估计经典论文Deeper Depth Prediction with Fully Convolutional Residual Networks
qq_17027283的博客
05-05 1008
单目深度估计的经典论文Deeper Depth Prediction with Fully Convolutional Residual Networks详解
Simultaneous Localization And Mapping: A Survey of Current Trends in Autonomous Driving综述
何必浓墨重彩
04-26 6188
Abstract In this article, we propose a survey of the Simultaneous Localization And Mapping field when considering the recent evolution of autonomous driving. The growing interest regarding self-drivi...
笔记：PoseCNN:A Convolutional Neural Network for 6D Object Pose Estimation in Cluttered Scenes
kadima_WEI的博客
12-23 889
一种新的用于6D物体姿态估计的卷积神经网络PoseCNN
ICRA2020论文整理（SLAM + Deep Learning）
Spacegene的博客
07-20 1万+
参考:https://github.com/PaoPaoRobot/ICRA2020-paper-list Table of Contents: 1. SLAM 2. Deep Learning in Robotics and Automation 3.Localization 4. Sensor Fusion 5. Calibration and Identification 6. Semantic Scene Understanding 7. Reinforcement Learn...
CVPR2017论文摘要汇总
super_chicken的博客
04-09 1万+
1. Exclusivity-Consistency Regularized Multi-view Subspace Clustering Abstract: Multi-view subspace clustering aims to partition a set of multi-source data into their underlying groups. To boost the ...
CVPR 2019 论文汇总（按方向进行论文划分）
热门推荐
鬼刀
05-28 3万+
cvpr2019 accepted papers title（官方分类，需科学前往） Github论文汇总链接（欢迎star) 论文PDF下载（更新中，提取码：osvy） 论文解读汇总 目录：(也欢迎大家推荐自己的CVPR2019文章，以下篇幅较大，分类如有错误欢迎留言指出和补充谢谢~） 检测38分割50分类、识别19跟踪20人脸12人体姿态估计/手...
IROS2019.txt
02-09
整理了2019年度IROS中与自己研究方向贴近的论文，便于以后查找。整理了2019年度IROS中与自己研究方向贴近的论文，便于以后查找。
论文笔记-深度估计(2) Fully Convolutional Networks for Semantic Segmentation
一只飞鱼的博客
12-29 2030
1.介绍该文讲述的是语义分割，但思路和框架和深度恢复是十分相似的，毕竟当前语义和深度问题本质上是一个像素级的分类问题。从该文3000+引用用量也可见该文章的巨大启发效果。所谓全卷积网络，是指由仅由卷积层、池化层和非线性激活函数层交错组织起来的网络。作者的贡献在于将非常热门且有效地做分类的卷积网络应用于语义分割中。整个框架是接受整张图像作为输入，用卷积做一个coarse的分类输出，然后将这些输出与每个
深度估计论文梳理
excellent_sun的博客
12-04 349
深度估计最新文章梳理总结
深度估计论文阅读_Multi-Scale Deep Network
July1998的博客
09-24 506
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 深度估计论文阅读_Multi-Scale Deep Network前言一、创新点二、具体分析1.粗细结合的网络架构2.尺度不变误差三、编程 前言 本篇博客主要对Depth Map Prediction from a Single Image using a Multi-Scale Deep Network进行理解和复现。这篇文章发表于NIPS 2014，作者David Eigen。 一、创新点 将神经网络结构分为两个部分：预测全局特征
单目深度估计论文(4）— Unsupervised monocular depth estimation with left-right consistency (CVPR 2017)
smallEngineer的博客
05-02 206
Monodepth 无监督深度估计 [1] Godard C, Mac Aodha O, Brostow G J. Unsupervised monocular depth estimation with left-right consistency[C]. Proceedings of the IEEE conference on computer vision and pattern recognition. 2017: 270-279.
【全天单目深度估计】ADDS-DepthNet论文解析
qq_17027283的博客
05-29 524
目前大多数自监督单目深度估计只能单独处理白天或夜间图像。这篇文章提出了一个域分离网络ADDS-DepthNet，用于全天的自监督深度估计。
IROS2019 |新开源SuMa++:语义激光雷达SLAM可靠过滤动态物体
计算机视觉life
11-08 4378
SLAM大牛Cyrill Stachniss组发表在IROS2019的新论文SuMa++: Efficient LiDAR-based Semantic SLAM，已经开源。 demo视频： 论文链接： http://www.ipb.uni-bonn.de/wp-content/papercite-data/pdf/chen2019iros.pdf 开源代码： https://github.com...
2017年以来最新的单目深度估计论文集概述
wbzhang233的博客
12-04 347
上网一找一大堆深度估计和VO结合的文章，总之先把眼光瞄准在DL和VO乃至SLAM的结合上。考虑构建目标检测和深度估计两大问题的综合体，最后弄不弄SLAM再两说吧。不多比比了先，先放几个帖子备忘，日后再补充自己的阅读笔记。 ICRA2019 SLAM Paperlist 基于Deep Learning SLAM算法 ICRA 2019汇总 ...
最新！！单目深度估计方向文献综述--Monocular Depth Estimation: A Thorough Review
最新发布
m0_58969377的博客
04-22 5501
一个是考虑人类深度感知的机制，另一个是包括各种深度学习方法。这篇论文是关于单目深度估计（Monocular Depth Estimation）的全面综述，由Vasileios Arampatzakis等人撰写。单目深度估计是指从二维图像中恢复三维场景的深度信息，这是一个在计算机视觉领域具有挑战性的问题。尽管已经有许多研究，但这个问题仍然是一个研究热点，因为它涉及到人类深度感知机制的理解以及深度学习技术的应用。引言：介绍了深度估计的重要性和应用领域，如图像分割、自主导航、机器人手术辅助、人体姿态估计等。
Estimation of reliable vehicle dynamic model using IMU/GNSS data fusion for stability controller design
04-26
Thank you for your question. Estimating a reliable vehicle dynamic model using IMU/GNSS data fusion is an important research topic in the field of autonomous vehicle control, particularly for stability controller design. There are different approaches to achieve this, including implementing a Kalman filter for sensor fusion or using machine learning techniques such as neural networks or decision trees. However, the specific method that would be most appropriate would depend on the particular application and requirements.
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值