用于基于图像导航的时空图定位网络
机器人学
2022-04-29 v1
摘要
拓扑地图中的定位对于使用 RGB 相机的基于图像的导航至关重要。仅使用一台相机在中等至大型环境中定位可能具有挑战性，因为相似外观的图像常被反复观测到，尤其在室内环境中。为克服此问题，我们提出一种基于学习的定位方法，同时利用拓扑地图的空间一致性与机器人捕获的时间序列图像的时间一致性。我们的方法结合卷积神经网络（CNN）以嵌入图像特征，以及循环型图神经网络以执行准确定位。训练模型时，在真实世界环境中捕获图像时难以获取机器人位姿真值。因此，我们提出一种结合半监督学习的 sim2real 迁移方法，其利用带位姿真值的模拟器图像以及真实图像。我们从定量与定性上评估了该方法，并与若干最先进基线比较。所提方法在地图含相似图像的环境中优于基线。此外，我们评估了集成我们定位方法的基于图像的导航系统，并确认在模拟器与真实环境中导航精度较其他基线方法显著提升。
引用
@article{arxiv.2204.13237,
title = {Spatio-Temporal Graph Localization Networks for Image-based Navigation},
author = {Takahiro Niwa and Shun Taguchi and Noriaki Hirose},
journal= {arXiv preprint arXiv:2204.13237},
year = {2022}
}
备注
8 pages, 4 figures