使用通用物体地标的尺度鲁棒定位
机器人学
2018-05-28 v2 人工智能
摘要
在尺度大幅变化下的视觉定位是许多机器人建图应用中的重要能力，例如在低空定位使用高空构建的地图，或执行远距离闭环检测。然而，现有方法仅能鲁棒处理地图与查询图像之间约3倍的尺度差异。我们提出了一种新颖的基于深度学习物体特征与最先进SIFT点特征的组合，显著提升了对尺度变化的鲁棒性。该技术无需训练且与类别无关，原则上可直接部署于任何环境。我们在KITTI里程计基准测试以及一个我们公开发布的新户外图像数据集上评估了所提技术，该数据集展示了及更大的视觉尺度变化。我们的技术始终优于单独使用SIFT特征或所提物体特征的定位方法，在尺度大幅变化下实现了更高的精度和更低的失败率。
引用
@article{arxiv.1710.10466,
title = {Scale-Robust Localization Using General Object Landmarks},
author = {Andrew Holliday and Gregory Dudek},
journal= {arXiv preprint arXiv:1710.10466},
year = {2018}
}