ทดลองนำทางจากข้อมูลที่บันทึกไว้

นักวิจัยดูภาพที่บันทึกไว้บนจอข้างชุดเซนเซอร์
ภาพประกอบแนวคิดสร้างด้วย AI

เริ่มจาก dataset เดียวและช่วงสั้น

EuRoC มีภาพ stereo ข้อมูล IMU และ calibration พร้อมข้อมูลอ้างอิง ส่วน TUM VI เป็นอีกทางเลือกสำหรับศึกษาระบบ visual-inertial ให้ดาวน์โหลดจากหน้าเจ้าของปัจจุบันและอ่านเงื่อนไขข้อมูล ไม่คัด config ของ dataset หนึ่งไปใช้อีกชุดโดยไม่ตรวจ

จัดสภาพแวดล้อมก่อนรัน

ความพร้อมของสภาพแวดล้อมต่อเครื่องมือ: OpenVINS มีคู่มือครบทั้ง ROS/ROS-free/Docker ส่วน VINS-Fusion และ ORB-SLAM3 บางตัวอย่างยังอ้าง Ubuntu/ROS รุ่นเก่า

OpenVINS มีคู่มือ ROS, ROS-free และ Docker ให้เลือกตามพื้นฐาน ส่วน VINS-Fusion และตัวอย่างบางส่วนของ ORB-SLAM3 ยังอ้าง Ubuntu/ROS รุ่นเก่า จึงควรตรึง revision และ dependency ตามคู่มือที่ทดสอบ ไม่เสนอคำสั่งเก่าให้รันบนเครื่องทุกแบบ

สิ่งที่บันทึก เหตุผล
OS, tool revision และ dependency ช่วยทำซ้ำและวิเคราะห์ build error
dataset/sequence/checksum ยืนยันใช้ข้อมูลเดียวกัน
sensor model, frame และ calibration ป้องกันอ่านภาพ/IMU ผิดความหมาย
ช่วงเวลา ความเร็ว replay และ output แยกปัญหาประมวลผลไม่ทันจากคุณภาพ estimator

ลำดับทดลอง

ลำดับทดลอง: ติดตั้งตามเอกสารเจ้าของ → ใช้ตัวอย่างที่มากับโครงการ → ตรวจว่าข้อมูลเข้าครบ → เก็บ log/trajectory → วิเคราะห์ผลก่อนเปลี่ยนค่า หากไม่มี output ให้ตรวจ path/timestamp/config แล้วกลับไปตรวจใหม่

ติดตั้งตามเอกสารเจ้าของ → ใช้ตัวอย่างที่มากับโครงการ → ตรวจว่าข้อมูลเข้าครบ → เก็บ log/trajectory → วิเคราะห์ผลก่อนเปลี่ยนค่า หากไม่มี output ให้ตรวจ path, timestamp และ config ก่อนปรับพารามิเตอร์ประเมินสถานะ

สถานะ: ตรวจเอกสารแล้ว ยังไม่รับรองการติดตั้ง OpenVINS/VINS-Fusion/ORB-SLAM3 บนสอง OS ในโปรเจกต์นี้ Windows ให้พิจารณา Linux ผ่าน WSL2/VM หลังตรวจความเข้ากันได้ ไม่ติดป้าย Windows native

เริ่มแบบฝึกข้อมูลสังเคราะห์ที่ไม่ต้องติดตั้ง ROS → · แหล่งซอฟต์แวร์และ dataset →

แหล่งอ้างอิงและขอบเขต

ตรวจแหล่งข้อมูล 7 กันยายน 2569 เรียบเรียงประกอบองค์ความรู้ที่ DTI เอื้อเฟื้อ

กิตติกรรมประกาศและที่มา

โดรนvisual-inertial