迈向精确有效的机器人视觉（移动机器人拓扑定位问题）

拓扑定位是移动机器人学中的一个基本问题，因为机器人必须能够确定自身位置才能完成任务。由于感知歧义、传感器噪声和光照变化，视觉定位和地点识别具有挑战性。本工作解决了在办公环境中仅使用安装在机器人平台上的透视彩色相机获取的图像进行拓扑定位的问题，且不依赖于图像序列的时间连续性。我们评估了最先进的视觉描述符，包括颜色直方图、SIFT、ASIFT、RGB-SIFT 以及受文本检索启发的词袋方法。我们的贡献包括对这些特征、距离度量和分类器进行系统、定量的比较。我们使用标准评估指标和可视化方法分析了性能，扩展了先前的实验。结果证明了外观描述符、相似性度量和分类器的适当配置的优势。这些配置的质量在 ImageCLEF 评估活动的机器人视觉任务中得到了进一步验证，在该任务中，系统识别了新图像序列最可能的位置。未来的工作将探索层次模型、排序方法和特征组合，以构建更鲁棒的定位系统，同时减少训练和运行时间并避免维数灾难。最终，这旨在实现跨不同光照和更长路线的集成、实时定位。