Resumen

La localización precisa, fiable y de bajo coste de vehículos en un dominio espaciotemporal continuo es un problema importante en el campo de los vehículos terrestres en exteriores. Este trabajo propone un algoritmo de odometría visual, en el que se combina un esquema de correspondencia de características ultrarrápido y robusto con una estrategia eficaz de selección de fotogramas antidesenfoque. Nuestro método sigue el procedimiento de encontrar correspondencias de características a partir de fotogramas consecutivos y minimizar su error de reproyección. La imagen borrosa es un gran reto para la localización con un giro brusco o un movimiento rápido. Por ello, intentamos mitigar el impacto del desenfoque con un algoritmo antidesenfoque de descomposición del valor singular de la imagen. Además, se propone un filtro estadístico de desplazamiento del espacio de características y de coincidencia de círculos para filtrar o eliminar las posibles características coincidentes, con el fin de eliminar los valores atípicos causados por la falta de coincidencia. Una evaluación del conjunto de datos de referencia KITTI y de datos reales de exteriores, con desenfoque, baja textura y cambios de iluminación, demuestra que el esquema de ego-movimiento propuesto logra un rendimiento significativamente superior al de otros enfoques de odometría visual de última generación.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:conjunto de datos de referencia kitti, dominio espaciotemporal continuo, desplazamiento del espacio de características, estrategia de selección de fotogramas, vehículos terrestres al aire libre, características de coincidencia potencial, datos reales al aire libre, descomposición de valor singular, algoritmo de odometría visual, enfoques de odometría visual
• Keywords:benchmark dataset kitti, continuous spatiotemporal domain, feature space displacement, frame selection strategy, outdoor ground vehicles, potential matching features, real outdoor data, singular value decomposition, visual odometry algorithm, visual odometry approaches