Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

CNN for IMU Assisted Odometry Estimation using Velodyne LiDAR

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F18%3APU132246" target="_blank" >RIV/00216305:26230/18:PU132246 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8374163&isnumber=8374143" target="_blank" >http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8374163&isnumber=8374143</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/ICARSC.2018.8374163" target="_blank" >10.1109/ICARSC.2018.8374163</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    CNN for IMU Assisted Odometry Estimation using Velodyne LiDAR

  • Popis výsledku v původním jazyce

    We introduce a novel method for odometry estimation using convolutional neural networks from 3D LiDAR scans. The original sparse data are encoded into 2D matrices for the training of proposed networks and for the prediction. Our networks show significantly better precision in the estimation of translational motion parameters comparing with state of the art method LOAM, while achieving real-time performance. Together with IMU support, high quality odometry estimation and LiDAR data registration is realized. Moreover, we propose alternative CNNs trained for the prediction of rotational motion parameters while achieving results also comparable with state of the art. The proposed method can replace wheel encoders in odometry estimation or supplement missing GPS data, when the GNSS signal absents (e.g. during the indoor mapping). Our solution brings real-time performance and precision which are useful to provide online preview of the mapping results and verification of the map completeness in real time.

  • Název v anglickém jazyce

    CNN for IMU Assisted Odometry Estimation using Velodyne LiDAR

  • Popis výsledku anglicky

    We introduce a novel method for odometry estimation using convolutional neural networks from 3D LiDAR scans. The original sparse data are encoded into 2D matrices for the training of proposed networks and for the prediction. Our networks show significantly better precision in the estimation of translational motion parameters comparing with state of the art method LOAM, while achieving real-time performance. Together with IMU support, high quality odometry estimation and LiDAR data registration is realized. Moreover, we propose alternative CNNs trained for the prediction of rotational motion parameters while achieving results also comparable with state of the art. The proposed method can replace wheel encoders in odometry estimation or supplement missing GPS data, when the GNSS signal absents (e.g. during the indoor mapping). Our solution brings real-time performance and precision which are useful to provide online preview of the mapping results and verification of the map completeness in real time.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    20204 - Robotics and automatic control

Návaznosti výsledku

  • Projekt

    Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2018

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    IEEE International Conference on Autonomous Robot Systems and Competitions

  • ISBN

    978-1-5386-5221-3

  • ISSN

    2573-9387

  • e-ISSN

  • Počet stran výsledku

    7

  • Strana od-do

    71-77

  • Název nakladatele

    Institute of Electrical and Electronics Engineers

  • Místo vydání

    Torres Vedras

  • Místo konání akce

    Torres Vedras

  • Datum konání akce

    25. 4. 2018

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000435384800014