超越 SIFT：使用二值特征进行闭环检测
计算机视觉与模式识别
2017-09-19 v1
摘要
本文提出了一种基于二值特征的闭环检测（LCD）方法，首次实现了与基于 SIFT 特征的 SOTA 方法相比更高的精确率-召回率（PR）性能。所提出的系统源于我们先前的工作用于闭环检测的多索引哈希（MILD），该方法采用多索引哈希（MIH）~\cite{greene1994multi} 进行二值特征的近似最近邻（ANN）搜索。由于 MILD 的精度受限于重复纹理和不准确的图像相似性度量，引入了突发性处理来解决这一问题，并取得了显著的精度提升。此外，对 MILD 中使用的 MIH 进行了全面的理论分析，从概率角度进一步探索哈希方法在二值特征 ANN 搜索中的潜力。该分析为在不同应用场景下选择 MIH 的最佳参数提供了更多自由度。在流行的公开数据集上的实验表明，与 SOTA 方法相比，所提出的方法在包含数千张图像的数据库上以 30Hz 运行时达到了最高精度。
引用
@article{arxiv.1709.05833,
title = {Beyond SIFT using Binary features for Loop Closure Detection},
author = {Lei Han and Guyue Zhou and Lan Xu and Lu Fang},
journal= {arXiv preprint arXiv:1709.05833},
year = {2017}
}
备注
IROS 2017 paper for loop closure detection