仅使用语义对象特征的无人机视觉示教与再现
机器人学
2018-01-25 v1
摘要
我们展示了将语义对象检测用作视觉示教与再现（VTR）的鲁棒特征。近期基于 CNN 的对象检测器能够以帧率可靠地检测视频中数十或数百类对象。我们表明此类检测具有足够的可重复性，可用作 VTR 的路标，而无需任何低级图像特征。由于对象检测对光照和表面外观变化具有高度不变性，我们的 VTR 能够应对全局光照变化以及路标对象的局部移动。在示教阶段，我们构建了一系列紧凑的场景描述符：检测到的对象标签及其图像平面位置的列表。在再现阶段，我们使用类 Seq-SLAM 的重定位来识别最相似的已学习场景，然后使用基于漏斗车道（funnel lane）理论的运控算法沿先前人工飞行的轨迹导航机器人。我们在一架商用无人机上评估了该方法，考察了算法对新视角、光照条件以及路标对象移动的鲁棒性。结果表明，与低级图像特征相比，语义对象特征因其对表面外观变化的不变性而可能具有实用价值。
引用
@article{arxiv.1801.07899,
title = {UAV Visual Teach and Repeat Using Only Semantic Object Features},
author = {Amirmasoud Ghasemi Toudeshki and Faraz Shamshirdar and Richard Vaughan},
journal= {arXiv preprint arXiv:1801.07899},
year = {2018}
}
备注
7 pages