CodedVO：编码视觉里程计
CodedVO: Coded Visual Odometry
AI总结：
本文提出CodedVO，一种利用定制光学器件将度量深度信息物理编码到图像中的新型单目视觉里程计方法，有效克服了尺度模糊问题，并在ICL-NUIM室内数据集上实现了0.08米的平均轨迹误差，达到最先进性能。
摘要：
自主机器人通常依赖单目相机进行里程计估计和导航。然而，尺度模糊问题构成了有效单目视觉里程计的关键障碍。本文提出了CodedVO，一种新型单目视觉里程计方法，该方法通过采用定制光学器件将度量深度信息物理编码到图像中，从而克服了尺度模糊问题。通过将该信息纳入我们的里程计流程，我们在已知尺度的单目视觉里程计中实现了最先进的性能。我们在多样的室内环境中评估了该方法，并证明了其鲁棒性和适应性。在ICL-NUIM室内里程计数据集上的里程计评估中，我们实现了0.08米的平均轨迹误差。
英文摘要：
Autonomous robots often rely on monocular cameras for odometry estimation and navigation. However, the scale ambiguity problem presents a critical barrier to effective monocular visual odometry. In this paper, we present CodedVO, a novel monocular visual odometry method that overcomes the scale ambiguity problem by employing custom optics to physically encode metric depth information into imagery. By incorporating this information into our odometry pipeline, we achieve state-of-the-art performance in monocular visual odometry with a known scale. We evaluate our method in diverse indoor environments and demonstrate its robustness and adaptability. We achieve a 0.08m average trajectory error in odometry evaluation on the ICL-NUIM indoor odometry dataset.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
