用于回环检测的条件导向多域对抗学习
机器人学
2017-11-22 v1
摘要
回环检测(LCD)是基于外观的同步定位与建图(SLAM)中的关键模块。然而在真实生活中，视觉输入的外观通常受不同天气条件下的光照变化与纹理变化影响。LCD中的传统方法通常依赖手工特征，但此类方法无法捕捉不同天气条件(如雨天、雾天和晴天)下的共性描述。此外，传统手工特征无法捕捉对局部场景的高层理解。本文提出一种新颖的条件导向多域对抗学习方法，将天气条件作为特征推断的方向。基于生成对抗网络(GANs)与分类网络，所提方法可直接从原始数据提取高层天气不变特征。此处所需唯一标签为各视觉输入的天气条件。实验在GTAV游戏模拟器中开展，其可生成不同天气条件下的逼真室外场景。LCD结果性能表明我们的方法显著优于现有最优方法。
引用
@article{arxiv.1711.07657,
title = {Condition directed Multi-domain Adversarial Learning for Loop Closure Detection},
author = {Peng Yin and Yuqing He and Na Liu and Jianda Han},
journal= {arXiv preprint arXiv:1711.07657},
year = {2017}
}
备注
7 pages, 11 figures, 3 tables, submitted to ICRA 2018