Mar, 2018

使用因子图的混合接触预积分视觉惯性接触状态估计

PDF
TL;DR本文提出了一种混合接触预积分理论，允许从任意数量的接触切换中积分接触信息，其与视觉惯性导航系统结合使用，可以提高状态估计的精度和容错性，并减少非线性优化问题所需的变量数。
factor graph frameworklegged robotscontact sensorspreintegrated contact factorhybrid contact preintegration theory
发现论文，激发创造
  • 基于接触辅助的不变扩展卡尔曼滤波法用于机器人状态估计

    该研究开发了利用 Lie 群和不变观测器设计技术的接触辅助不变扩展卡尔曼滤波器（InEKF），该滤波器结合了接触惯性动力学和正向运动学校正，可估计姿态和速度以及所有当前接触点。研究表明，误差动力学遵循对数线性自治微分方程，从而提高了收敛性能，并产生了符合非线性系统的本地可观测矩阵。该过程在 Cassie 系列双足机器人上进行了模拟和实验，并表明其比基于四元数的 EKF 具有更好的性能。

    Apr, 2019

  • 基于流形的预积分实时视觉惯性里程计

    本文提出了一种视惯性里程计预积分理论，通过相对运动约束将惯性测量融入视觉采样流程中，改善了实时状态估计问题，并在实际和模拟数据集上进行了广泛评估，表明该方法比现有的方法更有效。

    Dec, 2015

  • 人形机器人步态中的稳健接触状态估计

    本文提出了一个深度学习框架来解决人形机器人步态中的腿部接触检测问题。该框架利用了本体感知，能够准确和稳健地估计每条腿的接触状态概率，并通过模拟得到的接触数据进行分类处理。该框架在模拟环境中通过对地面真实接触数据的使用进行了定量和定性评估，并对比了目前的先进方法。同时，它被证明在基本估计方面效果显著。

    Jul, 2022

  • 多摄像头异步球体定位和轨迹预测：基于因子图和人体姿势

    通过多相机系统与因子图的创新方法，结合人体姿态数据和时间卷积网络（TCN）来定位网球、预测轨迹，估计速度和旋转，提供更准确的旋转先验信息，从而提高运动初始阶段的隐藏状态推理能力。

    Jan, 2024

  • OptiState: 采用具有基于 Transformer 的视觉和卡尔曼滤波的门控网络对四足机器人进行状态估计

    通过在四足机器人上评估，我们提出了一种混合解决方案，通过结合本体感知和外部感知信息，利用 Kalman 滤波、优化和基于学习的模态，对机器人躯干状态进行估计，从而实现准确的机器人状态估计，并减少传感器测量和模型简化带来的非线性误差。

    Jan, 2024

  • 具有非线性因子恢复的视觉惯性映射

    本研究提出了一种通过非线性因子恢复和捆绑调整的方法从视觉惯性测距（VIO）中提取有用信息，以实现全局一致的建图和提高准确性。在公共基准测试中，我们证明了该方法优于现有技术。

    Apr, 2019

  • 基于因子图的点云 3D 多目标跟踪

    本文提出了基于高斯混合模型和因子图框架的非线性最小二乘优化，用于处理三维空间中多个移动物体的跟踪问题，并展示了在 KITTI 跟踪数据集上实验的表现。

    Aug, 2020

  • 具有多传感器的局部里程计估计的通用基于优化的框架

    本文提出了一种基于优化的通用框架，支持多个传感器集合，可以轻松融合各种传感器进行姿态图优化，在公共数据集和多个传感器的实际应用中验证了该系统的性能，并与其他最先进的算法进行了比较。

    Jan, 2019

  • 利用动态因式分解将人类提供的信息整合到信念状态表示中

    该篇论文介绍了一个关于机器人在部分观察环境下进行可靠的推理与规划的有效方法，通过提供现实世界中物体属性的概率信息，并采取正确的策略，实现基于内部状态的自我学习，并验证了该方法在两个开放领域的规划问题中的有效性。

    Feb, 2018

  • 多传感器全局位姿估计的通用基于优化的框架

    本文提出了一种传感器融合框架，通过姿态图优化来将现有的本地估计融合到全球传感器中，实现了本地准确和全球无漂移的姿态估计。

    Jan, 2019