Probabilistic Parameter Estimators and Calibration Metrics for Pose Estimation from Image Features

要約

この論文では、リアルタイムでの測定の不確実性を考慮した確率的パラメータ推定の課題に取り組みます。
一般的な定式化を提供し、これを自律視覚着陸システムの姿勢推定に適用します。
最小二乗サンプリング手法、線形近似法、確率的プログラミング推定器という 3 つの確率的パラメータ推定器を紹介します。
これらの推定量を評価するために、特に多変量正規分布のキャリブレーションと鮮鋭度を測定するための新しい閉形式式を導入します。
私たちの実験研究では、さまざまなノイズ条件下で 3 つの推定器を比較しました。
線形近似推定器は、他の方法よりも大幅に高速に、シャープで適切に調整された姿勢予測を生成できるが、特定のシナリオでは自信過剰な予測を生成する可能性があることを実証します。
さらに、これらの推定器をカルマン フィルターと統合して、滑走路進入中に連続的な姿勢推定を行うことができることを実証します。この場合、限界キャリブレーションを維持しながら鮮明度が 50% 向上することが観察されます。
この研究は、データ駆動型のコンピュータ ビジョン モデルを安全性が重要な複雑な航空機システムに統合することに貢献し、そのようなシステムの厳格な認証ガイドラインを開発するための基盤を提供します。

要約(オリジナル)

This paper addresses the challenge of probabilistic parameter estimation given measurement uncertainty in real-time. We provide a general formulation and apply this to pose estimation for an autonomous visual landing system. We present three probabilistic parameter estimators: a least-squares sampling approach, a linear approximation method, and a probabilistic programming estimator. To evaluate these estimators, we introduce novel closed-form expressions for measuring calibration and sharpness specifically for multivariate normal distributions. Our experimental study compares the three estimators under various noise conditions. We demonstrate that the linear approximation estimator can produce sharp and well-calibrated pose predictions significantly faster than the other methods but may yield overconfident predictions in certain scenarios. Additionally, we demonstrate that these estimators can be integrated with a Kalman filter for continuous pose estimation during a runway approach where we observe a 50\% improvement in sharpness while maintaining marginal calibration. This work contributes to the integration of data-driven computer vision models into complex safety-critical aircraft systems and provides a foundation for developing rigorous certification guidelines for such systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google