RoRD：面向局部特征匹配的旋转鲁棒描述子与正交视图
计算机视觉与模式识别
2022-03-25 v4 机器人学
摘要
典型计算机视觉流程中局部检测器与描述子的使用在视角与外观变化变得极端之前表现良好。该领域过去的研究通常聚焦于应对此挑战的两类方法之一：将投影用于更适合极端视角变化下特征匹配的空间，以及尝试学习本身对视角变化更具鲁棒性的特征。本文提出一种结合通过数据增强与正交视角投影学习不变描述子的新框架。我们提出旋转鲁棒局部描述子，通过基于旋转单应性的训练数据增强学习得到，以及一种将原始特征对应与经旋转鲁棒特征获得的对应相结合的对应集成技术。利用一系列基准数据集并贡献该研究领域一个新的专用数据集，我们评估了所提方法在姿态估计与视觉位置识别等关键任务上的有效性。我们的系统优于一系列基线与最先进（SOTA）技术，包括在不同对立视角下实现更高水平的位置识别精度，并即便在极端视角变化下也达到实用性能水平。
引用
@article{arxiv.2103.08573,
title = {RoRD: Rotation-Robust Descriptors and Orthographic Views for Local Feature Matching},
author = {Udit Singh Parihar and Aniket Gujarathi and Kinal Mehta and Satyajit Tourani and Sourav Garg and Michael Milford and K. Madhava Krishna},
journal= {arXiv preprint arXiv:2103.08573},
year = {2022}
}
备注
Accepted to IROS 2021. Project Page: https://uditsinghparihar.github.io/RoRD/