Permalink
Find file Copy path
Fetching contributors…
Cannot retrieve contributors at this time
22 lines (13 sloc) 1.45 KB

Semantics-aware Visual Localization under Challenging Perceptual Conditions

Tayyab Naseer, Gabriel L. Oliveira, Thomas Brox, Wolfram Burgard, ICRA, 2017

Summary

  • 提出一个新的数据集,数据集内图片为在德国弗莱堡市车载拍摄,包含appearance and structural changes (季节和天气差异),时间跨度为3年。并将训练图像的潜在的不确定区域标记为non-discriminative,将图像场景中几何稳定的结构标注为discriminative区域。

  • 训练了一个DCNN模型用于图像中 discriminant regions 的密集像素分割(Up-Convilutional网络,用于提供包括几何稳定结构区域的场景图) 。从分割和原始图像中提取深度特征(deep features),并它们聚合成robust scene descriptor。采用稀疏随机投影(Sparse Random Projection)将高维的特征映射为低维。使用余弦距离匹配特征向量与特征库。

  • 实验:

    1.实验数据集:Cityscapes、Virtual KITTI 、自己提出的数据集,使用了数据增强(缩放,旋转,颜色失真和偏度)

    2.鲁棒描述子性能评估:F1=2*(precision*recall)/(precision+recall)

    3.计算时间比较

Strengths / Novelties

提出了图像描述方法,有效应对季节和天气等变化造成的室外场景图像特征差异。

Weaknesses / Notes

仅提出了图像描述的方法,并从描述子的性能与其他几种描述子做比较,未在定位精度层面给出评判。