Hacia un sistema de Odometría Visual basado en Redes Adversarias Generativas

JAVIER CREMONA; LUCAS UZAL; TAIHÚ PIRE

Neuquén

Jornada; X Jornadas Argentinas de Robótica; 2019

Facultad de Ingeniería de la Universidad Nacional del Comahue

Visual Odometry (VO) es una de las técnicas fundamentales para estimar la localización de un robot. En este trabajo se propone el uso de Redes Adversarias Generativas (GAN) para estimar la odometría de un robot tomando como entrada las imágenes de una cámara monocular montada sobre el mismo. Presentamos un método de VO monocular basado en GAN. En particular, una red neuronal es entrenada para estimar el movimiento relativo entre dos frames que recibe como entrada. El entrenamiento se realiza utilizando un enfoque semi-supervisado, combinando la técnica no supervisada de GAN con datos etiquetados. A diferencia de los métodos monoculares basados en geometría multi-vista, el método propuesto puede recuperar la escala absoluta de la escena observada ya que puede inferir la misma a partir del entrenamiento. El sistema resultante es evaluado en el dataset público KITTI donde se muestra que funciona en tiempo real y la precisión obtenida resulta alentadora para continuar el desarrollo de métodos basados en Aprendizaje Profundo.