Benutzer: Gast  Login
Wenn Sie Schwierigkeiten haben, das Dokument zu öffnen, versuchen Sie auch bitte diesen Link
Originaltitel:
Deep Learning Methods for Vehicle Localization and Control under Challenging Conditions
Übersetzter Titel:
Deep-Learning-Methoden für die Fahrzeuglokalisierung und -steuerung unter anspruchsvollen Bedingungen
Autor:
Wenzel, Patrick M.
Jahr:
2023
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Computation, Information and Technology
Betreuer:
Cremers, Daniel (Prof. Dr.)
Gutachter:
Cremers, Daniel (Prof. Dr.); Burgard, Wolfram (Prof. Dr.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik
TU-Systematik:
DAT 760; DAT 770
Kurzfassung:
This thesis presents deep learning-based methods for vehicle localization and control under challenging conditions. Firstly, we introduce sensorimotor control methods that do not require annotated data for each condition. Secondly, we present a direct visual localization system, improving robustness to appearance changes by optimizing featuremetric instead of photometric errors. Finally, we present a dataset of challenging environmental conditions to evaluate long-term SLAM.
Übersetzte Kurzfassung:
Die Arbeit stellt Deep-Learning-basierte Methoden zur Fahrzeuglokalisierung und -steuerung vor. Wir präsentieren sensomotorische Steuerungsmethoden, die nicht für jede Bedingung annotierte Daten erfordern. Zudem stellen wir ein direktes visuelles Lokalisierungssystem vor, welches durch Nutzung des merkmalsmetrischen Fehlers die Robustheit gegenüber visuellen Veränderungen verbessert. Zuletzt stellen wir zur Bewertung von Langzeit-SLAM einen Datensatz mit anspruchsvollen Umgebungsbedingungen vor.
WWW:
https://mediatum.ub.tum.de/?id=1692819
Eingereicht am:
21.12.2022
Mündliche Prüfung:
25.07.2023
Dateigröße:
52200477 bytes
Seiten:
221
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20230725-1692819-1-9
Letzte Änderung:
01.09.2023
 BibTeX