SymbioLCD：基于集成学习的利用CNN提取物体与视觉词袋的回环检测
计算机视觉与模式识别
2023-11-22 v1 机器人学
摘要
回环检测是同步定位与建图（SLAM）中用于最小化定位漂移的重要工具。许多最先进的回环检测（LCD）算法使用视觉词袋（vBoW），其对场景中的部分遮挡具有鲁棒性，但无法感知特征点之间的语义或空间关系。CNN物体提取可通过提供场景中物体的语义标签与空间关系来解决这些问题。以往工作主要集中于用CNN衍生特征替代vBoW。本文提出SymbioLCD，一种新颖的基于集成学习的LCD，利用CNN提取的物体与vBoW特征进行LCD候选预测。二者协同使用时，增加的物体语义与空间感知要素构建了一个更鲁棒且共生的回环检测系统。所提SymbioLCD采用尺度不变的空间与语义匹配、带时间约束的Hausdorff距离，以及利用CNN提取物体与vBoW特征组合信息的随机森林来预测准确的回环候选。对该方法的评估表明其优于其他机器学习（ML）算法——如SVM、决策树与神经网络，并证明CNN提取物体信息与vBoW特征之间存在强共生关系，有助于准确的LCD候选预测。此外，借助CNN提取物体带来的额外空间与语义信息，其能够比最先进SLAM算法更早感知回环候选。
引用
@article{arxiv.2110.11491,
title = {SymbioLCD: Ensemble-Based Loop Closure Detection using CNN-Extracted Objects and Visual Bag-of-Words},
author = {Jonathan J. Y. Kim and Martin Urschler and Patricia J. Riddle and Jörg S. Wicker},
journal= {arXiv preprint arXiv:2110.11491},
year = {2023}
}
备注
7 pages. Accepted at 2021 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)