基于解耦表征的遮挡与外观变化下的地点识别
计算机视觉与模式识别
2023-02-21 v2
摘要
地点识别是移动机器人一项关键且具有挑战性的任务，旨在从数据库中检索出与查询图像在同一地点捕获的图像。现有方法在机器人于遮挡（如汽车、公交车、卡车）和外观变化（如光照变化、季节变化）下自主移动时往往失效，因为它们将图像仅编码为单一代码，把地点特征与外观及遮挡特征纠缠在一起。为克服这一局限，我们提出 PROCA，一种无监督方法，将图像表征分解为三个代码：用作检索图像描述子的地点代码、捕捉外观属性的外观代码，以及编码遮挡内容的遮挡代码。大量实验表明，我们的模型优于当前最先进（SOTA）方法。我们的代码与数据可在 https://github.com/rover-xingyu/PROCA 获取。
引用
@article{arxiv.2211.11439,
title = {Place Recognition under Occlusion and Changing Appearance via Disentangled Representations},
author = {Yue Chen and Xingyu Chen and Yicen Li},
journal= {arXiv preprint arXiv:2211.11439},
year = {2023}
}
备注
Accepted by ICRA 2023