面向开放集的语义不确定性感知的度量-语义图匹配
机器人学
2024-09-19 v1 计算机视觉与模式识别
摘要
underwater object-level mapping 需要纳入视觉基础模型来处理海洋场景中遇到的不寻常且常常之前未出现的物体类别。在本工作中，我们计算了由视觉基础模型产生的开放集目标检测的语义不确定性度量，并将其纳入 object-level 不确定性跟踪框架。用于启用对未知物体类别的 robust object-level loop closure 检测。上述闭环检测问题被形式化为图匹配问题。虽然图匹配通常是 NP 完备的问题，但测试了将提出的图匹配问题等价形式化为图编辑问题的求解器在多个具有挑战性的海底场景上的表现。结果显示，本求解器以及另外三个求解器的表现表明，提出的方法适用于 marine 环境中 robust、开放集、multi-object、semantic-uncertainty-aware loop closure 检测的实时使用。进一步的实验结果表明，该方法在 KITTI 数据集上也能泛化到大规模陆地场景。
引用
@article{arxiv.2409.11555,
title = {Open-Set Semantic Uncertainty Aware Metric-Semantic Graph Matching},
author = {Kurran Singh and John J. Leonard},
journal= {arXiv preprint arXiv:2409.11555},
year = {2024}
}