Многосенсорная индивидуальная система навигации с визуальными средствами коррекции для использования внутри помещений
Аннотация
Описывается многосенсорная навигационная система IndoorGuide. Встроенная в систему монокулярная камера обеспечивает выработку информации для коррекции местоположения и параметров ориентации. Данные об ориентации формируются путем отслеживания точек схождения в изображениях от монокулярной камеры. Коррекция местоположения осуществляется на основе картографирования и распознавания ранее посещенных мест. Приводится сопоставление результатов комплексной обработки имеющейся информации с использованием фильтра Калмана и метода робастной оптимизации на основе графов. Представлены и обсуждаются результаты экспериментальных исследований.
Статья по докладу на XVIII Санкт-Петербургской международной конференции по интегрированным
навигационным системам.
Об авторах
К. Кесслер
Технологический институт Карлсруэ, Институт оптимизации систем
Германия
Германия
Кесслер Кристоф, инженер-исследователь.
К. Ашер
Технологический институт Карлсруэ, Институт оптимизации систем
Германия
Германия
Ашер Кристиан, инженер-исследователь.
М. Флад
Технологический институт Карлсруэ, Институт оптимизации систем
Германия
Германия
Флад Михаэль, студент. инженер-исследователь.
Г. Ф. Троммер
Институт оптимизации систем, факультет электротехники и информационной техники
Германия
Германия
Троммер Герт Ф., профессор, доктор технических наук, декан факультета, руководитель института. Действительный член общественного объединения «Академия навигации и управления движением».
Список литературы
1. Foxlin, E., Pedestrian Tracking with Shoe-Mounted Inertial Sensors, IEEE Computer Society Press, 2005, pp. 38--46.
2. Ojeda, L. and Borenstein, J., Personal Dead-Reckoning System for GPS–Denied Environments, IEEE Proceedings of the International Workshop of Safety, Security and Rescue Robotics, Rome, 2007.
3. Kessler, C., Ascher, C., Frietsch, N., Weinmann, M, and Trommer, G.F., Vision-Based Attitude Estimation for Indoor Navigation Using Vanishing Points and Lines, IEEE / ION PLANS 2010 Conf., 2010.
4. Shin, S.H., et al. Adaptive Step Length Estimation Algorithm Using Low-Cost MEMS Inertial Sensors, SAS 2007 IEEE Sensors Applications Symposium, San Diego, CA, 2007.
5. Ascher, C., Kessler, C., Wankerl, M., and Trommer, G. F., Combining Laser Range Measurements and a Dual-IMU IPNS for Precise Indoor SLAM, Symposium Gyro Technology 2009, Karlsruhe, Germany.
6. Wildenauer, H. and Vince, M., Vanishing Point Detection in Complex Manmade Worlds, ICIAP ’07: Proc. 14th Int. Conf. on Image Analysis and Processing, 2007, pp. 615--622.
7. Kosecka, J. and Zhang, W., Video Compass, ECCV ’02: Proc. 7th European Conf. on Computer Vision, Part IV, 2002, pp. 476--490.
8. Fischler, M. A. and Bolles, R. C., Random Sample Consensus: A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography, Communications of the Association for Computing Machinery, 1981, no. 6, , pp. 381--395.
9. Pflugfelder, R. and Bischof, H., Online Auto-Calibration in Man-Made Worlds, DICTA ’05: Proc. Digital Image Computing: Technqiues and Applications, 2005, pp. 519--526.
10. Wildenauer, H. and Vince, M., Vanishing Point Detection in Complex Man-Made Worlds, ICIAP ’07: Proc. 14th Int. Conf. on Image Analysis and Processing, 2007, pp. 615--622.
11. Dempster, A.P., Laird, N.M., and Rubin, D.B., Maximum Likelihood from Incomplete Data via the EM Algorithm, J. of the Royal Statistical Society. Series B (Methodological), 1977, no. 39, pp. 1-38.
12. McLachlan, G.J. and Krishnan, T., The EM Algorithm and Extensions, New York, Toronto, Weinheim: John Wiley & Sons, Inc., 1997.
13. Bishop, C. M., Pattern Recognition and Machine Learning, New York: Springer, 2006.
14. Aguilera, D., Gomes-Lahoz, J., and Finat, J., A new Method for Vanishing Points Detection in 3D Reconstruction from a Single View, in The International Archives of Photogrammetry, remote sensing and spatial information sciences: Virtual Reconstruction and Visualization of Complex Architectures, 2005, no. 26.
15. Botterill, T., Mills, S., and Green, R., Speeded-up Bag-of-Words Algorithm for Robot Localisation Through Scene Recognition, in Image and Vision Computing, New Zealand, 2008.
16. Hide, C., Botterill, T., and Andreotti, M., An Integrated IMU, GNSS and Image Recognition Sensor for Pedestrian Navigation, Proc. of the Institute of Navigation GNSS Conf., 2009.
17. Hide, C. and Botterill, T., Development of an Integrated IMU, Image Recognition and Orientation Sensor for Pedestrian Navigation, Proc. of the 2010 International Technical Meeting of the Institute of Navigation, 2010.
18. Bay, H., Tuytelaars, T., and Van Gool, L., Surf: Speeded-up robust features, Computer Vision ECCV, 2006, vol. 3951, pp. 404--417.
19. Lowe, D.G., Distinctive Image Features from Scale-Invariant Keypoints, Int. J. of Computer Vision, 2004, vol. 60, pp. 91--110.
20. Azad, P., Asfour, T., and Dillmann, R., Combining Harris Interest Points and the SIFT Descriptor for Fast Scale-Invariant Object Recognition, Proc. 2009 IEEE/RSJ Int. Conf. on Intelligent Robots and Systems, 2009.
21. Bi, Y., Murtagh, F., and McClean, S., Text Passage Classification Using Supervised Learning, Proc. of the workshop on logical and uncertainty models for information systems, 1999, pp. 22--35.
22. Tirilly, P., Claveau, V., and Gros, P., Distances and Weighting Schemes for Bag of Visual Words Image Retrieval, Proc. Int. Conf. on Multimedia information retrieval, 2010, pp. 323--332.
23. Elkan, C., Using the Triangle Inequality to Accelerate k-Means, Proc. of the Twentieth Int. Conf. on Machine Learning, 2003, pp. 147--153.
24. Kessler, C., Ascher, C., Crocoll, P., and Trommer, G.F., A Laser-Based Localization and Mapping System for Pedestrian Indoor Navigation With Loop-Detection Capabilities, Proc. National Navigation Conf. NAV 10, The Royal Institute of Navigation, 2010.
25. Wendel J., Integrierte Navigationssysteme, Oldenbourg Verlag, 2007.
26. Jimenez, A.R., Seco, F., Prieto, J.C., and Guevara, J., Indoor Pedestrian Navigation using a INS/EKF Framework for Yaw Drift Reduction and a Foot-mounted IMU, Workshop on Positioning, Navigation and Communication, 2010.
27. Folkesson, J. and Christensen, H., Graphical SLAM-A Self Correcting Map, IEEE Int. Conf. on Robotics and Automation, 2004, pp 383--390.
28. Ulbrich S., TU München, Germany, http://www-m1.ma.tum.de/m1old/personen/sulbrich/opt3/codes.html
29. Capponi, A. and De Waard, H.W., An Efficient Approach to Decompose the Multidimensional Assignment Problem, Fusion 2004: Seventh Int. Conf. on Information Fusion, Sweden, 2004.
30. Chummun, M.R., Kirubarajan, T., Pattipati, K.R., and Bar-Shlom, Y., Fast Data Association Using Multidimensional Assignment with Clustering, Aerospace and Electronic Systems, IEEE Transactions, 2001, no. 37(3), pp. 898--913.
31. Gleich, D., Matlab BGL Toolbox, http://www.stanford.edu/~dgleich/programs/matlab_bgl/
Рецензия
Для цитирования:
Кесслер К., Ашер К., Флад М., Троммер Г. Многосенсорная индивидуальная система навигации с визуальными средствами коррекции для использования внутри помещений. Гироскопия и навигация. 2012;20(1):64-87.
Просмотров:
12
JATS XML
Послать статью по эл. почте 