PartSLAM：基于无监督部件的场景建模用于快速简洁地图匹配

在本文中，我们探索了具有挑战性的1对N地图匹配问题，其利用地图数据的紧凑描述，以提升各类机器人视觉任务所用地图匹配技术的可扩展性。我们提出了一种明确面向快速简洁地图匹配的首个方法，其仅由地图匹配子任务构成。这些任务包括离线地图匹配尝试，以寻找基于部件的紧凑场景模型，用更少更大的部件有效解释每张地图。这些任务还包括在线地图匹配尝试，以高效建立基于部件的地图之间的对应关系。我们的基于部件的场景建模方法无监督，并使用输入与已知参考地图之间的公共模式发现（common pattern discovery, CPD）。这使得机器人无需人工干预即可学习紧凑地图模型。我们还给出了一种实用实现，其使用基于紧凑边界框（bounding box, BB）部件描述符（由关键点与描述符BB组成）的随机化视觉短语（randomized visual phrases, RVP）这一最先进CPD技术。我们使用公开可用的radish数据集进行的具有挑战性的地图匹配实验结果表明，所提方法实现了成功的地图匹配，并显著加速，且地图数据的紧凑描述比原先紧凑数十倍。尽管本文聚焦于标准2D点集地图与基于BB的部件表示，我们相信我们的方法具有足够通用性，可适用于广泛的地图格式，如3D点云地图，以及一般包围体与其他紧凑部件表示。