Bayesian Filtering for Homography Estimation

要約

この論文では、レート ジャイロとカメラ測定を使用したベイジアン フィルタリング フレームワークでのホモグラフィー推定について考察します。
レート ジャイロ測定を使用すると、オクルージョンが存在する場合でもホモグラフィーのより信頼性の高い推定が容易になりますが、ベイジアン フィルタリング手法ではホモグラフィー推定と不確実性の両方が生成されます。
不確実性情報は、適応フィルタリングアプローチ、後処理手順、安全プロトコルへの扉を開きます。
特に、ここでは、反復拡張カルマン フィルターと相互作用多重モデル (IMM) フィルターが、シミュレーション データセットと実験データセットの両方を使用してテストされます。
IMM は、シミュレーションと実験の両方において、最先端のホモグラフィー非線形決定論的​​オブザーバーと比較して、優れた一貫性特性とより優れた全体的なパフォーマンスを備えていることが示されています。

要約(オリジナル)

This paper considers homography estimation in a Bayesian filtering framework using rate gyro and camera measurements. The use of rate gyro measurements facilitates a more reliable estimate of homography in the presence of occlusions, while a Bayesian filtering approach generates both a homography estimate along with an uncertainty. Uncertainty information opens the door to adaptive filtering approaches, post-processing procedures, and safety protocols. In particular, herein an iterative extended Kalman filter and an interacting multiple model (IMM) filter are tested using both simulated and experimental datasets. The IMM is shown to have good consistency properties and better overall performance when compared to the state-of-the-art homography nonlinear deterministic observer in both simulations and experiments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google