Dense Visual Odometry Using Genetic Algorithm

要約

私たちの研究は、静止シーンの RGB-D 画像から移動ロボットや移動物体の頭部に取り付けられたカメラの動きを推定することを目的としています。
動き推定の問題は、非線形最小二乗関数に変換されます。
このような問題を解決する方法は反復的です。
さまざまな古典的な手法では、この関数を線形化することで反復的な解決策が得られました。
メタヒューリスティック最適化手法を使用して、この問題を解決し、結果を改善することもできます。
この論文では、一連の RGB-D 画像を使用した視覚オドメトリ用の新しいアルゴリズムを開発します。
このアルゴリズムは遺伝的アルゴリズムに基づいています。
提案された反復遺伝的アルゴリズムは、粒子を使用して検索して最適な動きを推定し、それを従来の方法と比較します。
私たちの方法を評価するには、二乗平均平方根誤差を使用して、エネルギーベースの方法および別のメタヒューリスティック方法と比較します。
私たちは、大規模な画像セットに対する革新的なアルゴリズムの効率性を証明しました。

要約(オリジナル)

Our work aims to estimate the camera motion mounted on the head of a mobile robot or a moving object from RGB-D images in a static scene. The problem of motion estimation is transformed into a nonlinear least squares function. Methods for solving such problems are iterative. Various classic methods gave an iterative solution by linearizing this function. We can also use the metaheuristic optimization method to solve this problem and improve results. In this paper, a new algorithm is developed for visual odometry using a sequence of RGB-D images. This algorithm is based on a genetic algorithm. The proposed iterative genetic algorithm searches using particles to estimate the optimal motion and then compares it to the traditional methods. To evaluate our method, we use the root mean square error to compare it with the based energy method and another metaheuristic method. We prove the efficiency of our innovative algorithm on a large set of images.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google