一种用于视觉地点识别的环境与地点特定效用的层次化双模型
机器人学
2021-07-07 v1 计算机视觉与模式识别
摘要
视觉地点识别（VPR）方法通常试图通过识别在特定地点辨识中具有高“效用”的视觉线索、图像区域或地标来匹配地点。但效用的概念并非单一，而是呈现多种形式。本文提出一种新方法以推导 VPR 的两类关键效用：对某一环境“特定”的视觉线索效用，以及对某一特定地点的效用。我们采用对比学习原则以无监督方式估计向量局部聚合描述子（VLAD）簇的环境特定与地点特定效用，并用以通过关键点选择引导局部特征匹配。结合这两种效用度量，我们的方法在三个具挑战性基准数据集上取得最先进性能，同时降低所需存储与计算时间。我们进一步分析表明，无监督簇选择产生语义有意义结果，细粒度类别常比高层语义类别（如建筑、道路）对 VPR 更具效用，并刻画这两类效用度量在不同地点与环境间的差异。源代码公开于 https://github.com/Nik-V9/HEAPUtil。
引用
@article{arxiv.2107.02440,
title = {A Hierarchical Dual Model of Environment- and Place-Specific Utility for Visual Place Recognition},
author = {Nikhil Varma Keetha and Michael Milford and Sourav Garg},
journal= {arXiv preprint arXiv:2107.02440},
year = {2021}
}
备注
Accepted to IEEE Robotics and Automation Letters (RA-L) and IROS 2021