Active Illumination for Visual Ego-Motion Estimation in the Dark

要約

視覚的な臭気（VO）および視覚的なスラム（V-SLAM）システムは、堅牢な視覚的特徴がないため、低光および暗い環境で苦労することがよくあります。
この論文では、これらの挑戦的な条件でVOおよびV-SLAMアルゴリズムのパフォーマンスを強化するための新しいアクティブ照明フレームワークを提案します。
開発されたアプローチは、動く光源を動的に制御して、高度にテクスチャされた領域を照らし、機能の抽出と追跡を改善します。
具体的には、深い学習ベースの強化ネットワークを組み込んだ検出器ブロックは、関連する機能を備えた領域を識別します。
次に、パンチルトコントローラーがこれらの領域にライトビームをガイドする責任があるため、エゴモーション推定アルゴリズムに情報が豊富な画像を提供します。
実際のロボットプラットフォームでの実験結果は、提案された方法の有効性を示しており、従来の固定照明技術に関して、ポーズ推定誤差の最大75％の減少を示しています。

要約(オリジナル)

Visual Odometry (VO) and Visual SLAM (V-SLAM) systems often struggle in low-light and dark environments due to the lack of robust visual features. In this paper, we propose a novel active illumination framework to enhance the performance of VO and V-SLAM algorithms in these challenging conditions. The developed approach dynamically controls a moving light source to illuminate highly textured areas, thereby improving feature extraction and tracking. Specifically, a detector block, which incorporates a deep learning-based enhancing network, identifies regions with relevant features. Then, a pan-tilt controller is responsible for guiding the light beam toward these areas, so that to provide information-rich images to the ego-motion estimation algorithm. Experimental results on a real robotic platform demonstrate the effectiveness of the proposed method, showing a reduction in the pose estimation error up to 75% with respect to a traditional fixed lighting technique.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google