Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

Visual SLAMMOT prenant en compte plusieurs modèles de mouvement

Created by
  • Haebom

Auteur

Peilin Tian, Hao Li

Contour

Cet article traite de l'intégration de la localisation et de la cartographie simultanées (SLAM) et du suivi multi-objets (MOT), deux technologies essentielles à la conduite autonome. Les SLAM et MOT conventionnels sont traités indépendamment, ce qui limite leur précision. Plus précisément, le SLAM repose sur un environnement statique, tandis que le MOT s'appuie généralement sur les informations de position du véhicule. Pour résoudre ces problèmes, l'équipe de recherche a proposé, dans une étude précédente (IMM-SLAMMOT), un SLAMMOT basé sur LiDAR prenant en compte plusieurs modèles de mouvement. Dans cet article, nous étendons cette approche à un système basé sur la vision et proposons un SLAMMOT visuel. L'objectif de cet article est de vérifier la faisabilité et les avantages d'un SLAMMOT visuel prenant en compte plusieurs modèles de mouvement.

Takeaways, Limitations

•
Takeaways:
◦
Nous démontrons l’applicabilité du SLAMMOT basé sur LiDAR en étendant ses avantages aux systèmes basés sur la vision.
◦
Suggérant que SLAMMOT, qui prend en compte plusieurs modèles de mouvement, peut contribuer à améliorer la précision des systèmes de conduite autonome qui utilisent des informations visuelles.
◦
Mettre en évidence l’utilité d’une approche intégrant SLAM et MOT.
•
Limitations:
◦
Il manque des détails spécifiques sur l’évaluation des performances du SLAMMOT visuel présenté dans cet article.
◦
Des vérifications supplémentaires de la robustesse dans divers environnements et conditions sont nécessaires.
◦
Des recherches supplémentaires sont nécessaires pour l’appliquer aux systèmes de conduite autonome réels.
👍
Made with Slashpage