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位置特定のための視覚的場所認識 (VPR) データベースを作成するアプローチを紹介します。
提案されたアプローチは、空間情報から構築され、DominationSet と呼ばれるグラフの支配集合アルゴリズムの観点から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、データベース作成に使用される他の手法と比較して、より優れたシーン カバレッジを示します。
また、DominationSet を使用すると、テスト シーケンスで 80% 以上の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 シーケンスよりも最大 250 ～ 1400 倍小さくできることを示します。
私たちは、7 シーンと BundleFusion データセット、および反復性の高い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、神経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教師ラベルを生成し、精度をさらに向上させることができます。
この論文では、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クスも紹介します。
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から入手できます~ — 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