线-圆-方（LCS）：一种用于基于边缘检测的多层几何滤波器

本文提出了一种最先进的滤波器，可降低目标检测、跟踪与建图应用中的复杂度。现有边缘检测与跟踪方法旨在为移动机器人提供适当的自主性，但其中许多方法在具有海量地标的场景入口处面临过度置信与巨大计算量的问题。本工作的方法，即线-圆-方（LCS）滤波器，主张无需大型物体识别数据库和高度先进的预测方法，移动机器人也能处理相机实时捕捉到的 incoming 物体。所提出的滤波器将检测、跟踪与学习应用于每个定义的专家模块，以提取高层信息用于判断场景，而无需过度计算。各专家模块之间的交互式学习反馈提高了被检测地标的一致性，从而抑制拥挤场景中被海量检测特征淹没的问题。我们的专家模块依赖于几何定义下信任因子的协方差，以忽略、浮现并比较检测到的地标。实验在实验性与真实世界场景中，就检测精度与资源使用方面验证了所提滤波器的有效性。