基于深度学习的移动机器人视觉里程计

作者：刘海涛; 戴娟^*; 朱胜涛; 李剑锋

来源：控制工程, 2023, 1-8.

DOI：10.14107/j.cnki.kzgc.20220902

• 视觉里程计
• 深度学习
• 相位姿估计
• 卷积神经网络
• Bi-LSTM
• 自适应存储

针对移动机器人位姿估计过程中存在累积误差导致位姿估计精度差的问题，提出一种基于深度学习方法的视觉里程计。设计卷积神经网络提取图像序列的视觉特征，设计自适应存储网络记录历史位姿信息，通过双向LSTM网络预测未来位姿信息，将历史信息和未来信息同时作用于当前时刻的位姿输出，降低累积误差对位姿估计精度的影响。在KITTI和TUM数据集进行的实验表明，提出的方法可以直接获取相机的相对位姿参数，并能准确估计出机器人的运动轨迹。相比于其他视觉里程计算法，位姿估计模型精度有较大提升，其绝对轨迹误差和相对位姿误差均有很大改善。

• 出版日期2023
• 单位自动化学院; 北京信息科技大学