Windowed optimization for stereo visual odometry fusion

Detalhes bibliográficos
Autor(a) principal: Avila, Elizabeth Viviana Cabrera
Data de Publicação: 2022
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFRN
Texto Completo: https://repositorio.ufrn.br/handle/123456789/47206
Resumo: A estimativa precisa de movimento é uma tarefa essencial realizada na navegação de agentes móveis autônomos (aéreos ou terrestres) e na navegação de robôs. Nesta tese, propomos reduzir o erro da odometria visual estéreo ao usar poses de 6 graus de liberdade por meio de uma abordagem de fusão de odometria visual baseada na otimização por grafos usando informações redundantes capturadas do ambiente. Nossa abordagem usa dois conjuntos de imagens estéreo conseguidas a partir de um conjunto de dados público capturado com uma plataforma móvel montada no topo de um carro para calcular a odometria estéreo independente empregando o algoritmo LIBVISO2 e, posteriormente, fundindo-os. Nossos resultados são comparados com dois modelos de SLAM muito conhecidos, o ORB-SLAM2 e o UCOSLAM, tendo como entrada para o algoritmo o par de odometria estéreo. O erro de pose relativo, das poses fundidas, diminui em até 94% em relação ao erro da odometria estéreo simples e em até 91% em comparação com os resultados do UCOSLAM. Nossas implementações são de código aberto e usam bibliotecas públicas.
id UFRN_6b10f6aa26f18f78ff21e71710b26c8d
oai_identifier_str oai:https://repositorio.ufrn.br:123456789/47206
network_acronym_str UFRN
network_name_str Repositório Institucional da UFRN
repository_id_str
spelling Avila, Elizabeth Viviana Cabrerahttp://lattes.cnpq.br/5999613830368563https://orcid.org/0000-0002-7735-5630http://lattes.cnpq.br/1562357566810393Souza, Anderson Abner de SantanaSilva, Bruno Marques Ferreira dahttp://lattes.cnpq.br/7878437620254155Silva, João Moreno Vilas Boas de SouzaAlsina, Pablo JavierGonçalves, Luiz Marcos Garcia2022-05-17T23:29:27Z2022-05-17T23:29:27Z2022-02-18AVILA, Elizabeth Viviana Cabrera. Windowed optimization for stereo visual odometry fusion. 2022. 88f. Tese (Doutorado em Engenharia Elétrica e de Computação) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2022.https://repositorio.ufrn.br/handle/123456789/47206A estimativa precisa de movimento é uma tarefa essencial realizada na navegação de agentes móveis autônomos (aéreos ou terrestres) e na navegação de robôs. Nesta tese, propomos reduzir o erro da odometria visual estéreo ao usar poses de 6 graus de liberdade por meio de uma abordagem de fusão de odometria visual baseada na otimização por grafos usando informações redundantes capturadas do ambiente. Nossa abordagem usa dois conjuntos de imagens estéreo conseguidas a partir de um conjunto de dados público capturado com uma plataforma móvel montada no topo de um carro para calcular a odometria estéreo independente empregando o algoritmo LIBVISO2 e, posteriormente, fundindo-os. Nossos resultados são comparados com dois modelos de SLAM muito conhecidos, o ORB-SLAM2 e o UCOSLAM, tendo como entrada para o algoritmo o par de odometria estéreo. O erro de pose relativo, das poses fundidas, diminui em até 94% em relação ao erro da odometria estéreo simples e em até 91% em comparação com os resultados do UCOSLAM. Nossas implementações são de código aberto e usam bibliotecas públicas.Accuracy motion estimation is an essential task accomplished in autonomous mobile agents’ navigation (aerial or ground) and in robots navigation. In this thesis, we propose to reduce the error of stereo visual odometry when using 6 degrees of freedom poses through a graph optimization-based visual odometry fusion approach using the redundancy of captured information from the environment. Our approach uses two stereo images sets of a public dataset captured with a moving platform mounted on the top of a car to compute independent stereo odometry employing the LIBVISO2 algorithm and later fuse them. Our results are compared against two recognized SLAM frameworks ORB-SLAM2 and UCOSLAM and with the stereo odometry algorithm input. The relative pose error of the fused poses decreases by up to 94% in relation to the error of single stereo odometry and by up to 91% compared with the results of UCOSLAM. Our implementations are open source and use public libraries.Conselho Nacional de Desenvolvimento Científico e Tecnológico - CNPqUniversidade Federal do Rio Grande do NortePROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃOUFRNBrasilComputer VisionSensor fusionStereo visual odometryGraph optimizationWindowed optimization for stereo visual odometry fusioninfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNORIGINALWindowedoptimizationstereo_Avila_2022.pdfapplication/pdf4146747https://repositorio.ufrn.br/bitstream/123456789/47206/1/Windowedoptimizationstereo_Avila_2022.pdfa3abd16fa5640ba5d518db20749761f9MD51123456789/472062022-05-17 20:30:06.048oai:https://repositorio.ufrn.br:123456789/47206Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2022-05-17T23:30:06Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false
dc.title.pt_BR.fl_str_mv Windowed optimization for stereo visual odometry fusion
title Windowed optimization for stereo visual odometry fusion
spellingShingle Windowed optimization for stereo visual odometry fusion
Avila, Elizabeth Viviana Cabrera
Computer Vision
Sensor fusion
Stereo visual odometry
Graph optimization
title_short Windowed optimization for stereo visual odometry fusion
title_full Windowed optimization for stereo visual odometry fusion
title_fullStr Windowed optimization for stereo visual odometry fusion
title_full_unstemmed Windowed optimization for stereo visual odometry fusion
title_sort Windowed optimization for stereo visual odometry fusion
author Avila, Elizabeth Viviana Cabrera
author_facet Avila, Elizabeth Viviana Cabrera
author_role author
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/5999613830368563
dc.contributor.advisorID.pt_BR.fl_str_mv https://orcid.org/0000-0002-7735-5630
dc.contributor.advisorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/1562357566810393
dc.contributor.referees1.none.fl_str_mv Souza, Anderson Abner de Santana
dc.contributor.referees2.none.fl_str_mv Silva, Bruno Marques Ferreira da
dc.contributor.referees2Lattes.pt_BR.fl_str_mv http://lattes.cnpq.br/7878437620254155
dc.contributor.referees3.none.fl_str_mv Silva, João Moreno Vilas Boas de Souza
dc.contributor.referees4.none.fl_str_mv Alsina, Pablo Javier
dc.contributor.author.fl_str_mv Avila, Elizabeth Viviana Cabrera
dc.contributor.advisor1.fl_str_mv Gonçalves, Luiz Marcos Garcia
contributor_str_mv Gonçalves, Luiz Marcos Garcia
dc.subject.por.fl_str_mv Computer Vision
Sensor fusion
Stereo visual odometry
Graph optimization
topic Computer Vision
Sensor fusion
Stereo visual odometry
Graph optimization
description A estimativa precisa de movimento é uma tarefa essencial realizada na navegação de agentes móveis autônomos (aéreos ou terrestres) e na navegação de robôs. Nesta tese, propomos reduzir o erro da odometria visual estéreo ao usar poses de 6 graus de liberdade por meio de uma abordagem de fusão de odometria visual baseada na otimização por grafos usando informações redundantes capturadas do ambiente. Nossa abordagem usa dois conjuntos de imagens estéreo conseguidas a partir de um conjunto de dados público capturado com uma plataforma móvel montada no topo de um carro para calcular a odometria estéreo independente empregando o algoritmo LIBVISO2 e, posteriormente, fundindo-os. Nossos resultados são comparados com dois modelos de SLAM muito conhecidos, o ORB-SLAM2 e o UCOSLAM, tendo como entrada para o algoritmo o par de odometria estéreo. O erro de pose relativo, das poses fundidas, diminui em até 94% em relação ao erro da odometria estéreo simples e em até 91% em comparação com os resultados do UCOSLAM. Nossas implementações são de código aberto e usam bibliotecas públicas.
publishDate 2022
dc.date.accessioned.fl_str_mv 2022-05-17T23:29:27Z
dc.date.available.fl_str_mv 2022-05-17T23:29:27Z
dc.date.issued.fl_str_mv 2022-02-18
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv AVILA, Elizabeth Viviana Cabrera. Windowed optimization for stereo visual odometry fusion. 2022. 88f. Tese (Doutorado em Engenharia Elétrica e de Computação) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2022.
dc.identifier.uri.fl_str_mv https://repositorio.ufrn.br/handle/123456789/47206
identifier_str_mv AVILA, Elizabeth Viviana Cabrera. Windowed optimization for stereo visual odometry fusion. 2022. 88f. Tese (Doutorado em Engenharia Elétrica e de Computação) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2022.
url https://repositorio.ufrn.br/handle/123456789/47206
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal do Rio Grande do Norte
dc.publisher.program.fl_str_mv PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO
dc.publisher.initials.fl_str_mv UFRN
dc.publisher.country.fl_str_mv Brasil
publisher.none.fl_str_mv Universidade Federal do Rio Grande do Norte
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRN
instname:Universidade Federal do Rio Grande do Norte (UFRN)
instacron:UFRN
instname_str Universidade Federal do Rio Grande do Norte (UFRN)
instacron_str UFRN
institution UFRN
reponame_str Repositório Institucional da UFRN
collection Repositório Institucional da UFRN
bitstream.url.fl_str_mv https://repositorio.ufrn.br/bitstream/123456789/47206/1/Windowedoptimizationstereo_Avila_2022.pdf
bitstream.checksum.fl_str_mv a3abd16fa5640ba5d518db20749761f9
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)
repository.mail.fl_str_mv
_version_ 1814832758792388608

Registros relacionados