Descriptellation：深度学习星座描述符
机器人学
2022-09-16 v2 计算机视觉与模式识别
摘要
当前的全局定位描述符在面临巨大视角或外观变化时往往表现不佳。一种可能的改进是添加关于语义对象的拓扑信息。然而，手工设计的拓扑描述符难以调整，且对环境噪声、剧烈视角变化、对象遮挡或误检测不够鲁棒。为了解决这个问题，我们提出了一种基于学习的方法，将具有语义意义的对象星座建模为图，并使用深度图卷积网络将星座映射为描述符。我们在两个真实世界数据集上展示了我们的深度学习星座描述符（Descriptellation）的有效性。尽管Descriptellation是在随机生成的仿真数据集上训练的，但它在真实世界数据集上表现出良好的泛化能力。Descriptellation在全局定位任务中也优于最先进的和手工设计的星座描述符，并且对不同类型的噪声具有鲁棒性。代码已公开于https://github.com/ethz-asl/Descriptellation。
引用
@article{arxiv.2203.00567,
title = {Descriptellation: Deep Learned Constellation Descriptors},
author = {Chunwei Xing and Xinyu Sun and Andrei Cramariuc and Samuel Gull and Jen Jen Chung and Cesar Cadena and Roland Siegwart and Florian Tschopp},
journal= {arXiv preprint arXiv:2203.00567},
year = {2022}
}