• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Conference on Information Fusion >Movement Tracking by Optical Flow Assisted Inertial Navigation
【24h】

Movement Tracking by Optical Flow Assisted Inertial Navigation

机译：光流辅助惯性导航的运动跟踪

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Robust and accurate six degree-of-freedom tracking on portable devices remains a challenging problem, especially on small hand-held devices such as smartphones. For improved robustness and accuracy, complementary movement information from an IMU and a camera is often fused. Conventional visual-inertial methods fuse information from IMUs with a sparse cloud of feature points tracked by the device camera. We consider a visually dense approach, where the IMU data is fused with the dense optical flow field estimated from the camera data. Learning-based methods applied to the full image frames can leverage visual cues and global consistency of the flow field to improve the flow estimates. We show how a learning-based optical flow model can be combined with conventional inertial navigation, and how ideas from probabilistic deep learning can aid the robustness of the measurement updates. The practical applicability is demonstrated on real-world data acquired by an iPad in a challenging low-texture environment.
机译：在便携式设备上进行稳健而准确的六自由度跟踪仍然是一个具有挑战性的问题，尤其是在小型手持设备（例如智能手机）上。为了提高鲁棒性和准确性，通常会融合来自IMU和摄像机的互补运动信息。传统的视觉惯性方法将来自IMU的信息与设备相机跟踪的稀疏特征点云融合在一起。我们考虑一种视觉密集的方法，在该方法中，IMU数据与根据相机数据估算的密集光流场融合在一起。应用于完整图像帧的基于学习的方法可以利用视觉提示和流场的全局一致性来改善流估计。我们展示了如何将基于学习的光流模型与常规惯性导航相结合，以及来自概率深度学习的想法如何帮助测量更新的鲁棒性。在具有挑战性的低纹理环境中，iPad采集的真实数据证明了其实用性。

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