要約
近年、カメラローカライゼーションは、その効率性と利便性から、自律型ロボットナビゲーションに広く採用されている。しかし、未知の環境における自律航法では、カメラローカライゼーションにおいて、シーンの曖昧さ、環境外乱、動的な物体変換に悩まされることが多い。この問題に対処するため、我々は生物学的な脳のナビゲーション機構（グリッド細胞、場所細胞、頭部方向細胞など）に触発され、新しい神経生物学的カメラ位置特定法、すなわちNeuroLocを提案する。まず、場所細胞によって駆動されるヘッブ学習モジュールを設計し、履歴情報を保存・再生することで、履歴表現の詳細を復元し、シーンのファジィ性の問題を解決することを目指す。次に、頭部方向セルから着想を得た内部方向学習を多頭注意埋め込みとして利用し、類似シーンにおける真の方向の復元を支援した。最後に、最終的な間違った予測を減らすために、姿勢回帰モジュールに3Dグリッド中心予測を追加した。提案するNeuroLocを、一般的に使用される屋内外のベンチマークデータセットで評価する。実験の結果、提案するNeuroLocは、複雑な環境におけるロバスト性を向上させ、1枚の画像のみを用いることで姿勢回帰の性能を向上させることができることが示された。
要約(オリジナル)
Recently, camera localization has been widely adopted in autonomous robotic navigation due to its efficiency and convenience. However, autonomous navigation in unknown environments often suffers from scene ambiguity, environmental disturbances, and dynamic object transformation in camera localization. To address this problem, inspired by the biological brain navigation mechanism (such as grid cells, place cells, and head direction cells), we propose a novel neurobiological camera location method, namely NeuroLoc. Firstly, we designed a Hebbian learning module driven by place cells to save and replay historical information, aiming to restore the details of historical representations and solve the issue of scene fuzziness. Secondly, we utilized the head direction cell-inspired internal direction learning as multi-head attention embedding to help restore the true orientation in similar scenes. Finally, we added a 3D grid center prediction in the pose regression module to reduce the final wrong prediction. We evaluate the proposed NeuroLoc on commonly used benchmark indoor and outdoor datasets. The experimental results show that our NeuroLoc can enhance the robustness in complex environments and improve the performance of pose regression by using only a single image.
arxiv情報
| 著者 | Xun Li,Jian Yang,Fenli Jia,Muyu Wang,Qi Wu,Jun Wu,Jinpeng Mi,Jilin Hu,Peidong Liang,Xuan Tang,Ke Li,Xiong You,Xian Wei |
| 発行日 | 2025-05-02 08:47:31+00:00 |
| arxivサイト | arxiv_id(pdf) |