Zobrazeno 1 - 10
of 17
pro vyhledávání: '"Gridseth, Mona"'
Autor:
Gridseth, Mona, Barfoot, Timothy D.
In this paper, we learn visual features that we use to first build a map and then localize a robot driving autonomously across a full day of lighting change, including in the dark. We train a neural network to predict sparse keypoints with associated
Externí odkaz:
http://arxiv.org/abs/2109.04041
We present unsupervised parameter learning in a Gaussian variational inference setting that combines classic trajectory estimation for mobile robots with deep learning for rich sensor data, all under a single learning objective. The framework is an e
Externí odkaz:
http://arxiv.org/abs/2102.11261
We present a self-supervised learning approach for the semantic segmentation of lidar frames. Our method is used to train a deep point cloud segmentation architecture without any human annotation. The annotation process is automated with the combinat
Externí odkaz:
http://arxiv.org/abs/2012.05897
Autor:
Gridseth, Mona, Barfoot, Timothy D.
Vision-based path following allows robots to autonomously repeat manually taught paths. Stereo Visual Teach and Repeat (VT\&R) accomplishes accurate and robust long-range path following in unstructured outdoor environments across changing lighting, w
Externí odkaz:
http://arxiv.org/abs/2003.02946
Publikováno v:
IEEE Robotics and Automation Letters (RA-L), Vol. 5, No. 2, pp. 1492-1499, Apr. 2020
Long-term metric self-localization is an essential capability of autonomous mobile robots, but remains challenging for vision-based systems due to appearance changes caused by lighting, weather, or seasonal variations. While experience-based mapping
Externí odkaz:
http://arxiv.org/abs/1904.01080
Autor:
Burnett, Keenan, Schimpe, Andreas, Samavi, Sepehr, Gridseth, Mona, Liu, Chengzhi Winston, Li, Qiyang, Kroeze, Zachary, Schoellig, Angela P.
The SAE AutoDrive Challenge is a three-year competition to develop a Level 4 autonomous vehicle by 2020. The first set of challenges were held in April of 2018 in Yuma, Arizona. Our team (aUToronto/Zeus) placed first. In this paper, we describe our c
Externí odkaz:
http://arxiv.org/abs/1811.01273
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.