AirVO: An Illumination-Robust Point-Line Visual Odometry

要約

本論文では、加速学習ベースのコーナーポイントアルゴリズムと拡張ライン特徴アルゴリズムを組み込んだ、照明にロバストなビジュアルオドメトリ(VO)システムを提案する。動的な照明にロバストであるために、提案システムは畳み込みニューラルネットワーク(CNN)とグラフニューラルネットワーク(GNN)を用いて、信頼性が高く情報量の多いコーナーポイントを検出し、マッチングする。次に、点特徴量のマッチング結果と、点と線の特徴量の分布を、線のマッチングと三角測量に利用する。CNNとGNNの部分を高速化し、パイプラインを最適化することで、提案システムは低消費電力の組み込みプラットフォーム上でリアルタイムに動作することができる。提案VOは、照明条件を変化させた複数のデータセットで評価され、その結果、精度と頑健性の点で他の最先端のVOシステムを凌駕することが示された。提案システムはオープンソースであるため、研究コミュニティによる実装やカスタマイズが容易であり、様々なアプリケーションのためのVOのさらなる開発や改良が可能である。

要約(オリジナル)

This paper proposes an illumination-robust visual odometry (VO) system that incorporates both accelerated learning-based corner point algorithms and an extended line feature algorithm. To be robust to dynamic illumination, the proposed system employs the convolutional neural network (CNN) and graph neural network (GNN) to detect and match reliable and informative corner points. Then point feature matching results and the distribution of point and line features are utilized to match and triangulate lines. By accelerating CNN and GNN parts and optimizing the pipeline, the proposed system is able to run in real-time on low-power embedded platforms. The proposed VO was evaluated on several datasets with varying illumination conditions, and the results show that it outperforms other state-of-the-art VO systems in terms of accuracy and robustness. The open-source nature of the proposed system allows for easy implementation and customization by the research community, enabling further development and improvement of VO for various applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL