首页> 外文期刊>電子情報通信学会技術研究報告 >全方位因子分解法を用いた車両運動の高精度推定法
【24h】

全方位因子分解法を用いた車両運動の高精度推定法

机译:使用全向分解法精确估计车辆运动

获取原文
获取原文并翻译 | 示例
       

摘要

車両運動を計る方法としてGPSや加速度計などが一般に利用されるが,車両特性の計測や将来的な自動走行などでは,更に高精度な運動推定が求められる.本研究では車載した全方位カメラ映像からStructure from Motionと呼ばれる手法により自己の位置姿勢とシーンの形状を同時推定する.この方法ではピクセル精度の高精度推定が可能である一方,ノイズへの弱さなどが問題とされてきた.本研究では全方位画像列の特徴を活かした工夫により,頑健な運動推定を実現する.%Estimation of Vehicle Motion has generally done by GPS, accelerometer and so on. However, higher accurate method is necessary for measurement of vehicle characteristics, Automatic Driving and so on. In this paper, we estimate vehicle motion and surrounding environments by Structure from Motion (SFM) method with omnidirectional image sequences. SFM can estimate those parameters accurately as pixel resolution. However, SFM method is usually unstable dependent on initial parameters and noise. In this paper, we propose a SFM method for omnidirectional image sequences to achieve high accuracy and robustness.
机译:GPS和加速计通常用作测量车辆运动的方法,但是对于车辆性能测量和未来的自动驾驶,需要更精确的运动估计。在这项研究中,通过一种名为Motion的结构方法,从车载全向摄像机图像中同时估计了自己的位置和方向以及场景的形状。尽管该方法能够高度准确地估计像素精度,但是就易受噪声影响而言,这一直是个问题。在这项研究中,通过设计全向图像序列的特征来实现鲁棒的运动估计。车辆运动的百分比估计通常是通过GPS,加速度计等来完成的,但是对于车辆特性,自动驾驶等的测量,则需要使用更高精度的方法。本文中,我们根据运动的结构来估计车辆运动和周围环境(SFM)方法具有全向图像序列.SFM可以准确地估计这些参数作为像素分辨率,但是SFM方法通常取决于初始参数和噪声而不稳定。本文提出了一种用于全向图像序列的SFM方法以实现高精度和鲁棒性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号