SuperNCN：用于鲁棒室外场景匹配的邻域一致性网络
计算机视觉与模式识别
2019-12-11 v1
摘要
在本文中，我们提出一种在强场景外观变化下计算图像间稠密关键点对应关系的框架。传统方法基于特征描述子空间中的最近邻搜索，在环境条件变化时表现不佳，例如当图像在一天中不同时间或不同季节拍摄时。我们的方法在此类困难条件下改进了关键点对应关系的寻找。首先，我们使用邻域一致性网络（Neighbourhood Consensus Networks）在粗尺度上构建两图像间空间一致的匹配网格。然后，我们应用类 Superpoint 的角点检测器以实现像素级精度。两部分均使用通过域适应学习到的特征，以增强对强场景外观变化的鲁棒性。该框架已在 RobotCar Seasons 数据集上测试，证明在挑战性环境条件下的位姿估计任务上有大幅提升。
引用
@article{arxiv.1912.04627,
title = {SuperNCN: Neighbourhood consensus network for robust outdoor scenes matching},
author = {Grzegorz Kurzejamski and Jacek Komorowski and Lukasz Dabala and Konrad Czarnota and Simon Lynen and Tomasz Trzcinski},
journal= {arXiv preprint arXiv:1912.04627},
year = {2019}
}