SpaceYNet: A Novel Approach to Pose and Depth-Scene Regression Simultaneously

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorUniversidade Federal da Paraíba (UFPB)-
Autor(es): dc.contributorUniversidade Estadual Paulista (UNESP)-
Autor(es): dc.creatorAragao, Dunfrey-
Autor(es): dc.creatorNascimento, Tiago-
Autor(es): dc.creatorMondini, Adriano [UNESP]-
Data de aceite: dc.date.accessioned2022-08-04T22:08:50Z-
Data de disponibilização: dc.date.available2022-08-04T22:08:50Z-
Data de envio: dc.date.issued2022-04-28-
Data de envio: dc.date.issued2022-04-28-
Data de envio: dc.date.issued2020-07-01-
Fonte completa do material: dc.identifierhttp://dx.doi.org/10.1109/IWSSIP48289.2020.9145427-
Fonte completa do material: dc.identifierhttp://hdl.handle.net/11449/221528-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/11449/221528-
Descrição: dc.descriptionOne of the fundamental dilemmas of mobile robotics is the use of sensory information to locate an agent in geographic space. In this paper, we developed a global relocation system to predict the robot's position and avoid unforeseen actions from a monocular image, which we named SpaceYNet. We incorporated Inception layers to symmetric layers of down-sampling and up-sampling to solve depth-scene and 6-DoF estimation simultaneously. Also, we compared SpaceYNet to PoseNet - a state of the art in robot pose regression using CNN - in order to evaluate it. The comparison comprised one public dataset and one created in a broad indoor environment. SpaceYNet showed higher accuracy in global percentages when compared to PoseNet.-
Descrição: dc.descriptionUniversidade Federal da Paraíba-
Descrição: dc.descriptionUniversidade Estadual Paulista 'Júlio de Mesquita Filho'-
Descrição: dc.descriptionUniversidade Estadual Paulista 'Júlio de Mesquita Filho'-
Formato: dc.format217-222-
Idioma: dc.languageen-
Relação: dc.relationInternational Conference on Systems, Signals, and Image Processing-
???dc.source???: dc.sourceScopus-
Palavras-chave: dc.subjectDataset-
Palavras-chave: dc.subjectdepth-scene-
Palavras-chave: dc.subjectpose-
Palavras-chave: dc.subjectregression-
Palavras-chave: dc.subjectrobot-
Título: dc.titleSpaceYNet: A Novel Approach to Pose and Depth-Scene Regression Simultaneously-
Aparece nas coleções:Repositório Institucional - Unesp

Não existem arquivos associados a este item.