Use este identificador para citar ou linkar para este item:
https://repositorio.ufrn.br/handle/123456789/47206
Título: | Windowed optimization for stereo visual odometry fusion |
Autor(es): | Avila, Elizabeth Viviana Cabrera |
Orientador: | Gonçalves, Luiz Marcos Garcia |
Palavras-chave: | Computer Vision;Sensor fusion;Stereo visual odometry;Graph optimization |
Data do documento: | 18-Fev-2022 |
Editor: | Universidade Federal do Rio Grande do Norte |
Referência: | AVILA, Elizabeth Viviana Cabrera. Windowed optimization for stereo visual odometry fusion. 2022. 88f. Tese (Doutorado em Engenharia Elétrica e de Computação) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2022. |
Resumo: | A estimativa precisa de movimento é uma tarefa essencial realizada na navegação de agentes móveis autônomos (aéreos ou terrestres) e na navegação de robôs. Nesta tese, propomos reduzir o erro da odometria visual estéreo ao usar poses de 6 graus de liberdade por meio de uma abordagem de fusão de odometria visual baseada na otimização por grafos usando informações redundantes capturadas do ambiente. Nossa abordagem usa dois conjuntos de imagens estéreo conseguidas a partir de um conjunto de dados público capturado com uma plataforma móvel montada no topo de um carro para calcular a odometria estéreo independente empregando o algoritmo LIBVISO2 e, posteriormente, fundindo-os. Nossos resultados são comparados com dois modelos de SLAM muito conhecidos, o ORB-SLAM2 e o UCOSLAM, tendo como entrada para o algoritmo o par de odometria estéreo. O erro de pose relativo, das poses fundidas, diminui em até 94% em relação ao erro da odometria estéreo simples e em até 91% em comparação com os resultados do UCOSLAM. Nossas implementações são de código aberto e usam bibliotecas públicas. |
Abstract: | Accuracy motion estimation is an essential task accomplished in autonomous mobile agents’ navigation (aerial or ground) and in robots navigation. In this thesis, we propose to reduce the error of stereo visual odometry when using 6 degrees of freedom poses through a graph optimization-based visual odometry fusion approach using the redundancy of captured information from the environment. Our approach uses two stereo images sets of a public dataset captured with a moving platform mounted on the top of a car to compute independent stereo odometry employing the LIBVISO2 algorithm and later fuse them. Our results are compared against two recognized SLAM frameworks ORB-SLAM2 and UCOSLAM and with the stereo odometry algorithm input. The relative pose error of the fused poses decreases by up to 94% in relation to the error of single stereo odometry and by up to 91% compared with the results of UCOSLAM. Our implementations are open source and use public libraries. |
URI: | https://repositorio.ufrn.br/handle/123456789/47206 |
Aparece nas coleções: | PPGEE - Doutorado em Engenharia Elétrica e de Computação |
Arquivos associados a este item:
Arquivo | Tamanho | Formato | |
---|---|---|---|
Windowedoptimizationstereo_Avila_2022.pdf | 4,05 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.