基于最大流网络的多视觉体验连接及其在视觉定位中的应用
计算机视觉与模式识别
2018-08-02 v1
摘要
我们的动机在于：需要用环境的多种表示来表征随时间变化的外观以及以周期性方式出现的变化。这些变化例如从白天到夜晚，以及跨季节的日复一日。在此类情形下，机器人多次访问相同路线并采集其不同外观。多视觉体验通常应用于机器人视觉任务，如视觉定位、建图、地点识别和自主导航。本文的新颖之处在于一种通过对齐多图像序列来连接多视觉体验的算法。该问题通过在一个有向图流网络中寻找最大流来解决，其顶点表示测试序列与参考序列中帧之间的匹配。图的边表示这些匹配的开销。寻找最佳匹配的问题被归约为寻找最小割面，并作为最大流网络问题求解。本文考虑了在视觉定位中的应用，以展示所提出的多图像序列对齐方法的有效性，且不损失其一般性。实验评估表明，对同一条路线考虑多个视觉序列提高了序列匹配的精度，并且该方法优于 SeqSLAM 和 ABLE-M 等最先进的单一表示方法。
引用
@article{arxiv.1808.00208,
title = {Connecting Visual Experiences using Max-flow Network with Application to Visual Localization},
author = {A. H. Abdul Hafez and Nakul Agarwal and C. V. Jawahar},
journal= {arXiv preprint arXiv:1808.00208},
year = {2018}
}