基于自动词典与图验证的精确回环检测
计算机视觉与模式识别
2021-08-02 v1 机器人学
摘要
在长期同时定位与建图过程中定位曾到访过的地点，即回环检测（LCD），是纠正累积不一致性的关键技术。作为最有效且高效的方案之一，词袋模型（BoW）构建视觉词典以关联特征并进而检测回环。大多数离线构建词典的现有方法通过试错确定词典规模，常导致不合理的特征关联。此外，由于基于BoW的方法忽略视觉特征的位置，算法精度通常因感知混叠而下降。为克服这些缺陷，我们提出一种基于节点半径与特征描述子漂移比较的自然收敛准则，并借此自动构建最优词典。进一步，我们提出一种新颖的拓扑图验证方法以验证候选回环，从而以可忽略的复杂度增加引入词条的几何位置，可显著提升LCD精度。在多个公开数据集上的实验及与若干前沿算法的对比验证了所提方法的性能。
引用
@article{arxiv.2107.14611,
title = {Automatic Vocabulary and Graph Verification for Accurate Loop Closure Detection},
author = {Haosong Yue and Jinyu Miao and Weihai Chen and Wei Wang and Fanghong Guo and Zhengguo Li},
journal= {arXiv preprint arXiv:2107.14611},
year = {2021}
}
备注
11 pages, 9 figures