This paper presents an approach to

This paper presents an approach to improve the odometry based localization using tuning process with a depth camera. A set of depth and RGB images are used to train the randomized forest to match them with several labeled areas. As the results, this matching is further utilized to reduce the localization errors caused by odometry methods. We have performed experiments with real data to show the effectiveness of the proposed approach. Our future work will focus on collecting more training data to detect more labels of a building to better refine the localization outcomes.

Kết quả (Việt) 1:

Bài viết này trình bày một cách tiếp cận để cải thiện nội địa hóa odometry dựa trên bằng cách sử dụng điều chỉnh quá trình với một máy ảnh độ sâu. Một tập hợp của chiều sâu và hình ảnh RGB được sử dụng để đào tạo ngẫu nhiên rừng để kết hợp chúng với một số khu vực có nhãn. Như là kết quả, này phù hợp với được tiếp tục sử dụng để giảm thiểu lỗi nội địa hóa gây ra bởi các phương pháp odometry. Chúng tôi đã thực hiện các thí nghiệm với các dữ liệu thực tế cho thấy hiệu quả của các phương pháp được đề xuất. Chúng tôi làm việc trong tương lai sẽ tập trung vào việc thu thập dữ liệu đào tạo hơn để phát hiện các nhãn thêm của một tòa nhà tốt hơn tinh chỉnh các kết quả bản địa hóa.

Kết quả (Việt) 2:

Bài viết này trình bày một phương pháp để cải thiện odometry dựa địa hóa quá trình sử dụng điều chỉnh với một máy ảnh sâu. Một tập hợp các độ sâu và RGB hình ảnh được sử dụng để đào tạo rừng ngẫu nhiên để kết hợp chúng với một số khu vực dán nhãn. Theo kết quả, kết hợp này là tiếp tục sử dụng để làm giảm các lỗi nội địa hóa gây ra bởi phương pháp odometry. Chúng tôi đã thực hiện các thí nghiệm với dữ liệu thực tế cho thấy tính hiệu quả của phương pháp đề xuất. công việc tương lai của chúng tôi sẽ tập trung vào việc thu thập dữ liệu huấn luyện nhiều hơn để phát hiện nhiều nhãn của một tòa nhà để tinh chỉnh tốt hơn các kết quả nội địa hóa.