基于地图的通过运动轨迹学习实现时间一致性地理定位
计算机视觉与模式识别
2020-10-14 v1 机器人学
摘要
本文提出一种新颖的轨迹学习方法，该方法利用循环神经网络在拓扑地图上对运动轨迹进行建模，以实现目标的时间一致性地理定位。受人类在导航中既能感知自身运动的距离又能感知方向的能力启发，我们的轨迹学习方法学习以距离和转向角序列编码的轨迹模式表示，以辅助自定位。我们将学习过程表述为条件序列预测问题，其中每个输出将目标定位在地图中可通行路径上。考虑到预测序列在图结构地图中应保持拓扑连接，我们采用两种不同的假设生成与消除策略来消除不连续的序列预测。我们在 KITTI 立体视觉里程计数据集上验证了我们的方法，该数据集为城市尺度环境且能生成带有度量信息的轨迹。我们的地理定位方法的主要优势在于：1) 我们利用循环神经网络强大的序列建模能力及其对噪声输入的鲁棒性；2) 仅需以图形式存在的地图，并简单使用可生成运动轨迹的低成本传感器；3) 不需要初始位置。实验表明，运动轨迹可通过训练循环神经网络学习，且利用所提出的两种策略均可预测出时间一致的地理位置。
引用
@article{arxiv.2010.06117,
title = {Map-Based Temporally Consistent Geolocalization through Learning Motion Trajectories},
author = {Bing Zha and Alper Yilmaz},
journal= {arXiv preprint arXiv:2010.06117},
year = {2020}
}