基于语义分割图像的长时期视觉定位
计算机视觉与模式识别
2018-03-05 v2
摘要
稳健的跨季节定位是自动驾驶车辆长时期视觉导航的主要挑战之一。在本文中，我们利用图像语义分割（即为每个像素分配与其所表示物体类型相关的标签）的最新进展，来解决长时期视觉定位问题。我们表明，环境的语义标记三维点图，连同语义分割图像，可高效地用于车辆定位，而无需详细的局部特征描述子（SIFT、SURF 等）。因此，我们不依赖于手工设计的局部特征描述子，而是依赖于图像分割器的训练。所得地图相比传统的基于描述子的地图占用少得多的存储空间。我们将基于粒子滤波的语义定位方案与基于 SIFT 特征的方案进行比较，即便全年存在较大的季节变化，我们的表现也与更大且更具描述性的 SIFT 特征相当，并且大多数时候能够以低于 1 m 的误差实现定位。
引用
@article{arxiv.1801.05269,
title = {Long-term Visual Localization using Semantically Segmented Images},
author = {Erik Stenborg and Carl Toft and Lars Hammarstrand},
journal= {arXiv preprint arXiv:1801.05269},
year = {2018}
}