Long Exposure Localization in Darkness Using Consumer Cameras

要約

このペーパーでは、低コストのカメラを使用して非常に暗い環境でのパッシブビジョンベースのローカリゼーションのためのSEQSLAMアルゴリズムのパフォーマンスを評価します。
露出時間からの動きのある車から最大10,000ミリ秒までのモーションブラーの影響と、2つの異なる環境で夜に学んだルートからの昼間のローカリゼーションのパフォーマンスを評価します。
最後に、未処理のグレースケール画像を一致させることのベースラインパフォーマンスを、パッチの正規化とローカル近隣の正規化（2つの重要なSeqslamコンポーネント）の使用と比較する統計分析を実行します。
私たちの結果と分析は、Seqslamアルゴリズムが効果的である理由を初めて示し、極端な外観が変化したにもかかわらず機能する安価なカメラベースのローカリゼーションシステムの可能性を示しています。

要約(オリジナル)

In this paper we evaluate performance of the SeqSLAM algorithm for passive vision-based localization in very dark environments with low-cost cameras that result in massively blurred images. We evaluate the effect of motion blur from exposure times up to 10,000 ms from a moving car, and the performance of localization in day time from routes learned at night in two different environments. Finally we perform a statistical analysis that compares the baseline performance of matching unprocessed grayscale images to using patch normalization and local neighborhood normalization – the two key SeqSLAM components. Our results and analysis show for the first time why the SeqSLAM algorithm is effective, and demonstrate the potential for cheap camera-based localization systems that function despite extreme appearance change.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google