面向动态环境的地点识别判别性与语义特征选择
计算机视觉与模式识别
2021-03-23 v2 机器人学
摘要
特征在各种视觉任务中起着重要作用，尤其是在应用于感知变化环境的视觉地点识别中。本文通过提出一种称为 DSFeat 的判别性与语义特征选择网络，解决了由动态和易混淆模式引起的地点识别挑战。在语义信息和注意力机制的共同监督下，我们可以估计特征的逐像素稳定性，指示提取特征的区域为静态稳定区域的概率，然后选择对动态干扰不敏感且可区分以正确匹配的特征。所设计的特征选择模型在具有不同外观和视点的多个公共数据集上的地点识别和 SLAM 系统中进行了评估。实验结果证明了所提方法的有效性。应注意，我们的方案可轻松插入任何基于特征的 SLAM 系统。
引用
@article{arxiv.2103.10023,
title = {Discriminative and Semantic Feature Selection for Place Recognition towards Dynamic Environments},
author = {Yuxin Tian and Jinyu MIao and Xingming Wu and Haosong Yue and Zhong Liu and Weihai Chen},
journal= {arXiv preprint arXiv:2103.10023},
year = {2021}
}
备注
The paper is under consideration at Pattern Recognition Letters