从运动动态在线学习二值特征用于增量闭环检测与地点识别
计算机视觉与模式识别
2016-11-17 v2
摘要
本文提出一种简单而有效的方法，基于词袋框架在线学习视觉特征以改进闭环检测和地点识别。该方法从两连续帧的一对匹配特征中学习词袋模型中的码字，使得该码字具有相对于相机运动的时序导出的透视不变性。学习算法高效：二值描述子由平均图像块生成，掩码基于判别投影通过学习以最小化所学特征与两个原始特征之间的类内距离。词袋模型的码字通过封装所学描述子和掩码生成，并定义掩码汉明距离来衡量两个码字间的距离。然后数学上证明了所学码字的几何性质。此外，通过匹配码字中的时序一致性施加假设约束，提高了精度。该方法集成在增量词袋系统中，在多个基准数据集上验证并与最先进方法比较。实验展示了改进的精度/召回率优于最先进水平且运行时损失很小。
引用
@article{arxiv.1601.03821,
title = {Learning Binary Features Online from Motion Dynamics for Incremental Loop-Closure Detection and Place Recognition},
author = {Guangcong Zhang and Mason J. Lilly and Patricio A. Vela},
journal= {arXiv preprint arXiv:1601.03821},
year = {2016}
}
备注
Accepted to 2016 ICRA (IEEE International Conference on Robotics and Automation)