Permalink
Find file Copy path
Fetching contributors…
Cannot retrieve contributors at this time
16 lines (13 sloc) 914 Bytes

Semantic Visual Localization

Johannes L. Schonberger, Marc Pollefeys, Andreas Geiger, Torsten Sattler, CVPR, 2018

Summary

  • 输入:Color Image + Depth image;
    database:images + camera poses;预处理阶段生成:全局3D语义地图(Global 3D semantic map);
    Query: 计算局部3D语义地图(Local 3D semantic map),建立3D-3D匹配;
    输出:输入图片的Poses。
  • 使用Bag of Semantic Word表示3D场景,BoSW是由descriptors计算得到。
  • 实验:使用KITTI和NCLT验证。
  • 生成描述符学习(Generative Descriptor Learning):需要在不同的角度、光照等情况下识别出相同的目标,所以需要场景的语义理解来学习这种Invariant function。

Strengths / Novelties

  • 实验验证了在不同Viewpoint和Appearance改变的情景,仍能提供可靠的闭环和定位结果;
  • 结合了语义和几何信息。