基于全景图像的机器人定位中的双神经网络实验评估

本文旨在解决使用由机器人上安装的全景成像系统捕获的全景图像进行定位的问题。为此，我们探讨了使用全景图像作为唯一信息来源来对室内环境进行建模的双神经网络潜力。双神经网络以其能够生成两个输入数据之间相似性函数的特性而著称，此处即两个全景图像之间的相似性。本研究中使用的双神经网络由两个卷积神经网络（CNN）组成。每个CNN的输出是用于特征每个图像的描述符。通过测量这些描述符之间的距离来计算图像的不相似性。这一事实使双神经网络特别适用于执行图像检索任务。首先，我们评估了一个与定位密切相关的初始任务，即检测两幅图像是在同一房间内还是不同房间内捕获的。随后，我们在全局定位问题的语境中评估双神经网络。结果在COLD-Freibburg数据集上优于先前技术，表现出色，尤其是在使用云天和夜间条件下捕获的图像时效果更佳。