TTCDist: Fast Distance Estimation From an Active Monocular Camera Using Time-to-Contact

要約

ビジョンからの距離推定は、ナビゲーション、操作、計画などの無数のロボット アプリケーションの基本です。
特定の物体を見つめる哺乳類の視覚系に着想を得て、接触時間、加速度、距離を含む 2 つの新しい制約を開発しました。
(移動) カメラを使用して、画像のごく一部のみを使用しながら効率的かつ正確に深度を推定します。
提案された制約を 2 つの実験で検証することに成功しました。
1 つ目は、単眼カメラと慣性計測ユニット (IMU) を使用した軌道推定タスクで両方の制約を適用します。
私たちの方法は、一般的な視覚慣性オドメトリー法である VINS-Mono および ROVIO よりもそれぞれ 25$\times$ および 6.2$\times$ 速く実行しながら、平均軌道誤差を 30 ~ 70% 削減します。
2 番目の実験は、制約が遠心コピーを伴うフィードバックに使用される場合、結果として得られる閉ループ システムの固有値が、適用された制御信号のスケーリングに対して不変であることを示しています。
これらの結果は、$\tau$ および $\Phi$ 制約が、多数のロボット アプリケーションの堅牢で効率的なアルゴリズムの基礎となる可能性を示していると考えています。

要約(オリジナル)

Distance estimation from vision is fundamental for a myriad of robotic applications such as navigation, manipulation and planning. Inspired by the mammal’s visual system, which gazes at specific objects, we develop two novel constraints involving time-to-contact, acceleration, and distance that we call the $\tau$-constraint and $\Phi$-constraint which allow an active (moving) camera to estimate depth efficiently and accurately while using only a small portion of the image. We successfully validate the proposed constraints with two experiments. The first applies both constraints in a trajectory estimation task with a monocular camera and an Inertial Measurement Unit (IMU). Our methods achieve 30-70% less average trajectory error, while running 25$\times$ and 6.2$\times$ faster than the popular Visual-Inertial Odometry methods VINS-Mono and ROVIO respectively. The second experiment demonstrates that when the constraints are used for feedback with efference copies the resulting closed loop system’s eigenvalues are invariant to scaling of the applied control signal. We believe these results indicate the $\tau$ and $\Phi$ constraint’s potential as the basis of robust and efficient algorithms for a multitude of robotic applications.

arxiv情報

著者 Levi Burner,Nitin J. Sanket,Cornelia Fermüller,Yiannis Aloimonos
発行日 2022-09-23 16:45:42+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV, cs.RO パーマリンク