Dominating Set Database Selection for Visual Place Recognition

要約

この論文では、RGBD スキャン シーケンスから屋内環境でのローカリゼーションのための視覚的場所認識 (VPR) データベースを作成するためのアプローチを提示します。
提案されたアプローチは、空間情報から構築され、DominatingSet と呼ばれる、グラフの支配集合アルゴリズムに関する最小化問題として定式化されます。
私たちのアルゴリズムは、データベースの作成に使用される他の方法論と比較して、より優れたシーン カバレッジを示しています。
また、DominatingSet を使用すると、テスト シーケンスで 80% を超える再現率を維持しながら、データベース サイズを元のスキャン シーケンスより最大 250 ～ 1400 倍小さくできることを示します。
7シーンとBundleFusionデータセット、および非常に反復的なオフィス設定で追加記録されたシーケンスでアルゴリズムを評価しました。
さらに、データベースの選択により、ニューラル位置認識アルゴリズムを特定の設定に微調整するための弱い教師付きラベルを生成できるため、精度がさらに向上します。
また、RGBD スキャン シーケンスから VPR データベースを作成するための完全に自動化されたパイプラインと、VPR データベース評価のための一連のメトリックも示します。
コードとリリースされたデータは、私たちのウェブページで入手できます~ — https://prime-slam.github.io/place-recognition-db/

要約(オリジナル)

This paper presents an approach for creating a visual place recognition (VPR) database for localization in indoor environments from RGBD scanning sequences. The proposed approach is formulated as a minimization problem in terms of dominating set algorithm for graph, constructed from spatial information, and referred as DominatingSet. Our algorithm shows better scene coverage in comparison to other methodologies that are used for database creation. Also, we demonstrate that using DominatingSet, a database size could be up to 250-1400 times smaller than the original scanning sequence while maintaining a recall rate of more than 80% on testing sequences. We evaluated our algorithm on 7-scenes and BundleFusion datasets and an additionally recorded sequence in a highly repetitive office setting. In addition, the database selection can produce weakly-supervised labels for fine-tuning neural place recognition algorithms to particular settings, improving even more their accuracy. The paper also presents a fully automated pipeline for VPR database creation from RGBD scanning sequences, as well as a set of metrics for VPR database evaluation. The code and released data are available on our web-page~ — https://prime-slam.github.io/place-recognition-db/

arxiv情報

提供元, 利用サービス

arxiv.jp, Google