图像和惯性传感器相结合的摄像机定位和物体三维位置估计

• 作者: 潘林 范振嘉 郭恩特 陈志峰 黄立勤
• 来源期刊: 福州大学学报（自然科学版）
• 学科: 工学
• 关键词: 卷积神经网络 扩展卡尔曼滤波 摄像机定位 物体三维位置估计
• 年，卷（期）: 2018,（4）
• 页码范围: 481-489
• 页数: 9页
• 分类号: TP391.4
• 字数: 4802字
• 语种: 中文
• DOI: 10.7631/issn.1000-2243.17318

摘要

为解决无人驾驶中车辆定位与周围场景中物体三维位置估计,采用卷积神经网络(CNN)检测图像中的物体,用扩展卡尔曼滤波(EKF)方法融合惯性传感器测量得到的加速度和角速度,同时估计摄像机位置和物理世界中物体三维位置.图像结合惯性传感器(IMU)信息,克服了单目摄像机估计得到的摄像机位置和物体三维位置的尺度不确定性;结合卷积神经网络检测物体提高特征点匹配准确度,实现对物体在三维世界中的位置通用的估计.在实验部分用Matlab分别模拟仿真场景和现实场景的数据库KITTI,有效估计摄像机运动和场景中物体三维位置估计.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘林	福州大学物理与信息工程学院	46	383	11.0	18.0
2	黄立勤	福州大学物理与信息工程学院	40	90	5.0	8.0
3	陈志峰	福州大学物理与信息工程学院	7	6	2.0	2.0
4	郭恩特	福州大学物理与信息工程学院	1	1	1.0	1.0
5	范振嘉	福州大学物理与信息工程学院	1	1	1.0	1.0