首页|融合SuperGlue方法的深度单目视觉惯性导航算法

融合SuperGlue方法的深度单目视觉惯性导航算法

扫码查看
原文链接
  • 万方数据
  • 维普
针对图像的深度学习方法是解决传统视觉定位算法在复杂环境下特征提取不稳定、跟踪丢失等难题的有效途径.本文在VINS-Mono的基础上引入基于深度学习的SuperPoint特征提取方法和SuperGlue特征匹配方法,建立了一种融合SuperGlue方法的单目视觉惯性导航算法,并采用开源数据集和实际试验数据进行了评估.结果表明,该方法有效提升了复杂环境下单目视觉惯性算法的稳定性和精度,精度提升幅度可达26％.
A deep monocular visual-inertial navigation algorithm with SuperGlue

visual-inertial navigationdeep learningSuperPointSuperGlueVINS-Mono

刘亦博、吴传文、周宗锟、陈华

展开 >

武汉大学卫星导航定位技术研究中心,湖北武汉430079

武汉大学测绘学院,湖北武汉430079

视觉惯性导航 深度学习 SuperPoint SuperGlue VINS-Mono

国家重点研发计划湖北省科技重大专项

2022YFC30055022022AAA002

2024

10.13474/j.cnki.11-2246.2024.0220

测绘通报
测绘出版社

测绘通报

CSTPCD北大核心
影响因子：1.027
ISSN：0494-0911
年,卷(期)：2024.(2)
  • 1
  • 18