基于RGB-D特征金字塔孪生网络的回环检测
计算机视觉与模式识别
2018-11-27 v1
摘要
在视觉同步定位与建图（SLAM）中，检测回环一直是一项重要但困难的任务。当前大多数解决方案基于词袋方法。然而，由于缺少合适的架构设计与充足的训练数据，深度神经网络应用于该任务的可能性尚未被充分探索。在本文中，我们通过解决这两个问题来展示深度神经网络的适用性。具体而言，我们表明特征金字塔孪生神经网络能在成对回环检测上达到最先进的性能。该网络在大规模RGB-D数据集上通过一种新颖的自动回环标注算法进行训练与测试。每对图像按其重叠程度标注，使得回环可直接计算，而无需费力的手动标注。我们提出一种算法，采用任意大规模通用RGB-D数据集来训练深度回环网络。我们首次表明深度神经网络能够检测回环，并提供了一种生成大规模数据集以用于评估和训练回环检测器的方法。
引用
@article{arxiv.1811.09938,
title = {Loop Closure Detection with RGB-D Feature Pyramid Siamese Networks},
author = {Zhang Qianhao and Alexander Mai and Joseph Menke and Allen Yang},
journal= {arXiv preprint arXiv:1811.09938},
year = {2018}
}