Нейросетевое распознавание места по последовательности сенсорных данных
Под позой робота понимается его положение и ориентация в трехмерном пространстве. Понятие одометрии шире и включает также скорости (линейные и угловые), а также ускорение. Точное определение такого пространственного состояния важно для решения задачи локализации робота и дальнейшего планирования его поведения в трехмерном пространстве.
Семинар 14. Мультисенсорные методы локализации и построения карты с конференций IROS/ICRA
Ярослав Соломенцев, Денис Маматин
- Сильная математическая подготовка (курсы математической статистики, дискретной математики, теории алгоритмов, аналитической геометрии)
- Понимание принципов машинного обучения
- Отличное знание Python и C++
- Базовое владение фреймворками глубокого обучения PyTorch и/или Tensorflow
- Базовое знакомство с операционной системой роботов ROS
- D. Kirilenko, A. K. Kovalev, Y. Solomentsev, A. Melekhin, D. A. Yudin, A. I. Panov. Vector Symbolic Scene Representation for Semantic Place Recognition. IJCNN. 2022
- D. Yudin, Y. Solomentsev, R. Musaev, A. Staroverov, A. I. Panov. HPointLoc: Point-based Indoor Place Recognition based on Synthetic RGB-D Images. ICONIP. 2022
- Андрей Боковой , Кирилл Муравьёв, Ярослав Соломенцев Методы монокулярного визуального SLAM. Анализ нейросетевых подходов к решению задачи Place Recognition
- Линар Абдразаков & Андрей Криштопик. Анализ классических и нейросетевых методов комплексирования данных одометрии & Анализ методов построения карт проходимости на основе комплексирования данных
- Александр Мелехин. Обзор семантических методов Place Recognition и публикаций по этой тематике c конференций CVPR и ICCV.
- Ярослав Соломенцев, Денис Маматин. Мультисенсорные методы локализации и построения карты с IROS/ICRA
- Быстрые нейросетевые мультимодальные (камера, LiDAR, IMU) архитектуры для оценки относительного положения транспортного средства в пространстве (одометрии)
- Самообучающиеся алгоритмы оценки одометрии по последовательности изображений