面向基于检索的定位的夜到日图像翻译
计算机视觉与模式识别
2019-03-05 v2
摘要
视觉定位是许多机器人流程中的关键步骤，使机器人能够（近似）确定其在世界中的位姿与朝向。一种高效且可扩展的视觉定位方法是使用图像检索技术。这些方法在带地理标签的图像数据库中找出与查询照片最相似的图像，并通过检索到数据库图像的位姿来近似查询图像的位姿。然而，即便在强大神经模型的当下，跨剧烈光照条件（如白天与夜晚）的图像检索仍是一个结果不尽人意的问题。这是由于缺乏具有真实对应关系的合适多样数据集来进行端到端学习。近期一类神经模型能以较少训练数据且最重要的是无需真值配对，实现跨视觉域的图像逼真翻译。本文中，我们探索对同区域昼夜两次遍历所捕获图像进行精确定位的任务。我们提出 ToDayGAN——一种改进的图像翻译模型，将夜间驾驶图像转换为更有用的白天表示。随后我们将白天图像与翻译后的夜间图像进行比较，利用最接近白天图像的已知 6-DOF 位姿获得夜间图像的位姿估计。在标准度量的多类指标下，我们的方法相较当前最优（SOTA）将定位性能提升了逾 250%。
引用
@article{arxiv.1809.09767,
title = {Night-to-Day Image Translation for Retrieval-based Localization},
author = {Asha Anoosheh and Torsten Sattler and Radu Timofte and Marc Pollefeys and Luc Van Gool},
journal= {arXiv preprint arXiv:1809.09767},
year = {2019}
}
备注
Published in ICRA 2019