.png){kind=icon}
返回
Visual localization under appearance change: filtering approaches
.png){kind=icon}
PRE
AI
DOI：10.1007/s00521-020-05339-y.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
当前地点识别研究的重点之一是自动驾驶的视觉定位。在此场景中，由于相机将连续运行，因此预期将视频作为视觉定位算法的输入是合理的，这与其他视觉定位工作中使用的单图像查询方法不同。在本文中，我们表明，利用测试序列中的时间连续性可以显著改善视觉定位——在定性和定量方面均有所提升。尽管这一想法直观，但在近期的研究中尚未得到充分探索。为此，我们提出了两种利用图像序列时间平滑性的过滤方法：(i) 基于离散域的隐藏马尔可夫模型过滤；(ii) 基于连续域的蒙特卡洛视觉定位过滤。我们的方法依赖于具有编码技术的局部特征，以将图像表示为单个向量。在合成和真实数据集上的实验结果表明，我们的拟议方法在显著外观变化的视觉定位任务中，其效果优于当前最先进的方法（即基于深度学习的姿态回归方法）。我们的合成数据集和源代码已公开提供（ https://sites.google.com/view/g2d-software/home ; https://github.com/dadung/Visual-Localization-Filtering ）。
Keyword:
Visual localization
Place recognition
Autonomous driving
Robotics
期刊
IF:
4.5
论文数:
887
被引数:
3.2W
机构
引用论文
GP-BayesFilters: Bayesian filtering using Gaussian process prediction and observation models.png)
AUTONOMOUS ROBOTS
OAAI
AUTONOMOUS ROBOTSIF4.3
OAAI分享收藏 没有更多内容
没有更多内容