RobustMat：基于神经扩散的恶劣环境下街景地标块匹配方法
计算机视觉与模式识别
2024-04-08 v1
摘要
对于自动驾驶车辆(AVs)而言，基于相机等传感器的视觉感知技术在信息获取与处理中起着关键作用。在AVs的多种计算机感知任务中，将车载相机拍摄的地标块与不同时间捕获或保存在街景图像数据库中的其他地标块进行匹配可能有所帮助。为了在由季节、天气和光照变化引起的挑战性驾驶环境下进行匹配，我们利用每个块的空间邻域信息。我们提出了一种名为RobustMat的方法，其对抗扰动的鲁棒性源自神经微分方程。采用卷积神经ODE扩散模块来学习地标块的特征表示。随后，图神经PDE扩散模块聚合街景中相邻地标块的信息。最后，特征相似性学习输出最终匹配分数。我们的方法在多个街景数据集上进行了评估，并证明在环境扰动下取得了最先进的匹配结果。
引用
@article{arxiv.2311.03904,
title = {RobustMat: Neural Diffusion for Street Landmark Patch Matching under Challenging Environments},
author = {Rui She and Qiyu Kang and Sijie Wang and Yuan-Rui Yang and Kai Zhao and Yang Song and Wee Peng Tay},
journal= {arXiv preprint arXiv:2311.03904},
year = {2024}
}