Key points are not available for this paper at this time.
Resumo Um veículo autônomo pode mapear simultaneamente seu ambiente e identificar sua própria posição utilizando uma técnica chamada “Localização e Mapeamento Simultâneo” (SLAM). A mobilidade autônoma requer a identificação das localizações de marcos e objetos adjacentes, bem como da posição do veículo, usando uma técnica apropriada. Sistemas SLAM monoculares frequentemente enfrentam desafios relacionados à percepção de profundidade e ambiguidades de escala, levando a desvios de trajetória ao longo do tempo. Em contraste, os sistemas SLAM estereoscópicos utilizam câmeras duplas para superar essas limitações. O objetivo deste trabalho é avaliar quão bem os sistemas SLAM visuais se desempenham ao contrastar estimativas de trajetória com informações da verdade terrestre obtidas a partir de simulações. Os resultados indicam que algoritmos de SLAM visual estereoscópico oferecem estimativas de trajetória de câmera mais precisas do que o SLAM monocular, tornando-os uma escolha preferencial para aplicações que exigem localização e mapeamento precisos de câmeras em veículos autônomos.
Paul et al. (Mon,) estudaram esta questão.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: