X-View：基于图的多视角语义全局定位
机器人学
2018-02-19 v3 计算机视觉与模式识别
摘要
多视角机器人数据的全局配准是一项具有挑战性的任务。基于外观的全局定位方法在视角剧烈变化时常常失败，因为表示方法的视角不变性有限。本工作基于这样一个理念：人造环境包含丰富的语义信息，可用于消除全局定位的歧义。在此，我们提出 X-View，一个多视角语义全局定位系统。X-View 利用语义图描述符匹配进行全局定位，从而能够在截然不同的视角下实现定位。虽然该方法在语义输入数据方面具有通用性，但我们展示并评估了一个基于视觉数据的实现。我们在公开可用的 SYNTHIA 数据集、使用模拟器记录的逼真城市数据集以及真实世界的 StreetView 数据上通过实验演示了该系统。我们的发现表明，X-View 能够对视角截然不同的空对地以及地对地机器人数据进行全局定位。我们的方法在多视角情况下的全局定位准确率高达 85%，而作为基准的基于外观的方法最高达到 75%。
引用
@article{arxiv.1709.09905,
title = {X-View: Graph-Based Semantic Multi-View Localization},
author = {Abel Gawel and Carlo Del Don and Roland Siegwart and Juan Nieto and Cesar Cadena},
journal= {arXiv preprint arXiv:1709.09905},
year = {2018}
}