深港微电子学院研究生荣获2021世界机器人大会最佳学生论文

2021-09-14 综合新闻 浏览量：4325

论文ATFVO: An Attentive Tensor-compressed LSTM Model with Optical Flow Features for Monocular Visual Odometry 是在世界机器人大会（WRC）SARA（Symposium on Advanced Robotics and Automation）专题学术论坛上唯一获奖的两篇最佳学生论文之一（另一篇由浙江大学获得）。本篇论文由我院研究生任宏伟及其他4名本科生共同完成。WRC SARA是IEEE Robotics and Automation Society下的机器人国际学术会议之一。

本文提出了一种可以部署在边缘设备上的单目视觉里程计设计。绝大多数使用深度学习的视觉里程计在性能上与传统的视觉里程计相当，但无法在边缘设备上实现。本文采用基于注意机制的LSTM (A-T-LSTM)，以光流特征为输入，以六自由度绝对尺度位姿为输出，并通过张量压缩进行轻量化（T-LSTM）。该框架融合时空特征，处理高维输入下超参数化LSTM的过拟合问题，并利用注意力机制从T-LSTM序列输出中获取位姿。在不依赖任何先验知识的情况下，从原始RGB图像序列估计姿态。在KITTI数据集上的实验结果显示，与最先进的方法相比，A-T-LSTM模型比原始LSTM模型小141×，整个模型几乎是DeepVO的七分之一，速度比Flowdometry快23×。基于树莓派，在机器人上部署该算法，可以实现实时推理和巡航导航。该论文在余浩教授课题组完成。