DUNE-M : un estimateur local d'incertitude sur la position des points d'intérêt évolutif dans le temps
Résumé
Uncertainty estimation of visual feature is essential for vision-based systems, such as visual navigation. We show that the errors inherent in visual tracking, especially using the KLT tracker, are temporally correlated and can be captured by a recurrent neural network. The proposed system integrates the entire tracking history of a feature position. DUNE-M is trained and evaluated on KITTI datasets, showing good results compared to the state of the art. A visual odometry application is presented to illustrate the benefits of using a memory.
L'estimation de l'incertitude des points d'intérêt est essentielle pour les systèmes basés sur la vision, tels que la navigation visuelle. Nous montrons que les erreurs inhérentes au suivi visuel, en particulier en utilisant le tracker KLT, sont temporellement corrélées et peuvent être capturées par un réseau de neurones récurrent. Le système proposé intègre tout l'historique de suivi d'un point d'intérêt. DUNE-M est entraîné et évalué sur le jeu de données KITTI , mettant en évidence de bons résultats par rapport à l'état de l'art. Une application d'odométrie visuelle est présentée illustrant les bénéfices de l'utilisation d'une mémoire.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|