Detail publikace
CNN for IMU Assisted Odometry Estimation using Velodyne LiDAR
Španěl Michal, Ing., Ph.D. (UPGM)
Hradiš Michal, Ing., Ph.D. (UPGM)
Herout Adam, prof. Ing., Ph.D. (UPGM)
segmentace země, LiDAR, Velodyne, konvoluční neuronové sítě
Představujeme novou metodu pro odhad odometrie pomocí konvolučních neuronových sítí z 3D skenů senzoru LiDAR. Původní řídké data jsou zakódovány do 2D matic pro trénování navržených sítí a pro predikci. Naše sítě vykazují výrazně vyš ší přesnost při odhadu parametrů translačního pohybu v porovnání s moderní metodou LOAM a zároveň umožňují běh v reálném čase. Spolu s podporou IMU je možné odhadnout přesnou odometrii s vysokou a registraci dat LiDAR. Kromě toho navrhujeme alternativní CNN natrénovanou pro predikci parametrů rotačního pohybu s taktéž porovnatelnými výsledky s metodou LOAM. Navrhovaná metoda může nahradit enkodéry kol v odhadu odometrie nebo doplnit chybějící GPS data, pri výpadku signálu GNSS (např. při mapování uvnitř budovy). Naše řešení přináší přesnost a běh v reálném čase, které jsou užitečné pro online náhled výsledků mapování a ověření úplnosti mapy v reálném čase.
@inproceedings{BUT157179,
author="Martin {Veľas} and Michal {Španěl} and Michal {Hradiš} and Adam {Herout}",
title="CNN for IMU Assisted Odometry Estimation using Velodyne LiDAR",
booktitle="IEEE International Conference on Autonomous Robot Systems and Competitions",
year="2018",
volume="2018",
number="4",
pages="71--77",
publisher="Institute of Electrical and Electronics Engineers",
address="Torres Vedras",
doi="10.1109/ICARSC.2018.8374163",
isbn="978-1-5386-5221-3",
issn="2573-9387",
url="http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8374163&isnumber=8374143"
}