学习具有运动属性的局部特征描述子用于基于视觉的定位
计算机视觉与模式识别
2019-08-08 v2 机器人学
摘要
近年来，基于相机的定位已广泛用于机器人应用，且大多数已有算法依赖于从记录图像中提取的局部特征。为获得更好性能，用于开环定位的特征要求为短期全局静态，而用于重定位或回环检测的特征需为长期静态。因此，可利用局部特征点的运动属性来提升定位性能，例如，由于移动行人和车辆提取的特征点不稳定，可将其从这类系统中排除。本文设计了一个名为MD-Net的全卷积网络(FCN)，同时执行运动属性估计与特征描述。MD-Net具有共享骨干网络以从输入图像提取特征，并有两个网络分支完成各子任务。借助MD-Net，我们可在不显著增加计算量的情况下获得运动属性。实验结果表明，所提方法仅使用FCN即可学习出具有运动属性的 distinctive 局部特征描述子，大幅优于对比方法。我们还展示了该算法可集成至基于视觉的定位算法中，显著提升估计精度。
引用
@article{arxiv.1908.01180,
title = {Learning Local Feature Descriptor with Motion Attribute for Vision-based Localization},
author = {Yafei Song and Di Zhu and Jia Li and Yonghong Tian and Mingyang Li},
journal= {arXiv preprint arXiv:1908.01180},
year = {2019}
}
备注
This paper will be presented on IROS19