End-To-End Wide Baseline Drohnenlokalisierung durch Kamerapose

• Anhand von acht Schlüsselbegriffen wurde in Datenbanken (ACM, CVP) recherchiert und dabei 119 Artikel untersucht, von denen 55 ausgewählt wurden.
• Um die 55 interessantesten Artikel zu ermitteln, wurden deren Zusammenfassungen analysiert.
• Alle Artikel wurden anhand der zuvor genannten Schlüsselbegriffe überprüft.
• 14 Relevante ++ Paper
• 1 Review Paper (Direction Net)

Verteilung der verwendeten Methoden

KI-Methoden (AI-Methods):

• CNN
• CNN + Transformer
• CNN + GNN
• CNN + Transformer + GNN
• Transformer
• Transformer + GNN

Mathematische Methoden (Mathematik Methoden):

• Pixel
• VIO
• ORB-SLAM

In der Grafik bestehen insgesamt 70,91 % der Methoden aus KI-Methoden, während die verbleibenden 29,09 % mathematischen Methoden zugeordnet sind. Innerhalb der KI-Methoden ist CNN mit 52,73 % die am häufigsten verwendete Methode, gefolgt von CNN + Transformer (9,09 %), CNN + GNN (5,45 %) und Transformer (3,64 %).

Bei den mathematischen Methoden ist Feature Matching / Epipolarlinie mit 18,18 % die bevorzugte Methode, während die Methode der Pixel-Dichte zu 10,91 % verwendet wurde.

Betrachtet man die Quellen der Daten, stammen 52,73 % der verwendeten Methoden aus IEEE, 25,45 % aus Base-Search, 16,36 % aus CVFR und 5,45 % aus ACM. 

Diese Informationen verdeutlichen, wie verschiedene Forschungsplattformen und Methoden in der Forschung verteilt sind.

Verteilung nach Anwendungsbereichen

1. Wide Base
2. Panoramic
3. Dynamic / UAV
4. Loca. Pose Estimation
5. E2E
6. Multi Kamera
7. RGB-D 

Von den Methoden der künstlichen Intelligenz wurde CNN am häufigsten verwendet (67,49 %). Die bevorzugten Anwendungsbereiche für CNN sind insbesondere Localization / Pose Estimation (15,38 %), Wide Base (15,38 %) und Panoramic (9,23 %).

Die Methoden Transformer und CNN + Transformer wurden zu gleichen Anteilen eingesetzt (jeweils 12,50 %). Studien, in denen diese Methoden verwendet wurden, konzentrieren sich vor allem auf den End-to-End (E2E)-Bereich.

Die Methode CNN + GNN wurde zu 7,51 % verwendet und fand vor allem in den Bereichen Localization / Pose Estimation (4,61 %) sowie End-to-End (3,08 %) Anwendung.

Diese Verteilung zeigt deutlich, in welchen spezifischen Bereichen unterschiedliche KI-Techniken effektiv eingesetzt werden.