冰川环境中视觉特征提取的改进
计算机视觉与模式识别
2019-12-03 v2 机器人学
摘要
冰川科学可从自主机器人中极大受益，但以往的冰川机器人在这些无色无特征的环境中曾存在感知问题，具体体现在视觉特征提取上。这导致了视觉里程计和视觉导航的失败。冰川学家使用近红外影像来揭示雪和冰潜在的异质空间结构，我们推测这种隐藏的近红外结构可比可见光中产生更多且更高质量的特征。我们携带定制相机装置前往圣海伦斯山的 Igloo Cave 以验证我们的理论。该相机装置包含两个相同的机器视觉相机，其中一个加装多个滤光片以仅观测近红外光。我们使用三种流行特征提取器（FAST、SIFT 和 SURF）从在圣海伦斯山 Igloo Cave 内拍摄的短视频片段中提取特征。我们通过将所得朝向估计与真值比较，量化了特征数量及其用于视觉导航的质量。我们的主要贡献是使用 NIR 长通滤光片来改善冰质地貌中视觉特征的数量与质量，且与所用特征提取器无关。
引用
@article{arxiv.1908.10425,
title = {Improving Visual Feature Extraction in Glacial Environments},
author = {Steven D. Morad and Jeremy Nash and Shoya Higa and Russell Smith and Aaron Parness and Kobus Barnard},
journal= {arXiv preprint arXiv:1908.10425},
year = {2019}
}