Hierarchical localization with panoramic views and triplet loss functions

要約

この論文の主な目的は、トリプレット畳み込みニューラル ネットワークを使用して移動ロボットの位置特定の問題に対処し、照明条件の変化に対する堅牢性をテストすることです。
実際の屋内環境からダイナミックな状況で撮影され、パノラマ形式に変換された全天球画像を使用しました。
トリプレット ニューラル ネットワークによる位置特定に対処する 2 つのアプローチが提案されています。
まず、階層的位置特定。これは 2 段階でロボットの位置を推定することから構成されます。部屋検索タスクを含む粗い位置特定と、以前に選択された部屋の画像検索によって処理される詳細な位置特定です。
2 番目は、グローバル ローカライゼーションです。これは、マップ全体内のロボットの位置を独自のステップで推定することで構成されます。
さらに、ネットワーク学習プロセスに対する損失関数の影響についての徹底的な研究が行われています。
実験セクションでは、実際の動作条件を考慮して、トリプレット ニューラル ネットワークが屋内環境での移動ロボットの位置特定に対処するための効率的かつ堅牢なツールであることを証明します。

要約(オリジナル)

The main objective of this paper is to address the mobile robot localization problem with Triplet Convolutional Neural Networks and test their robustness against changes of the lighting conditions. We have used omnidirectional images from real indoor environments captured in dynamic conditions that have been converted to panoramic format. Two approaches are proposed to address localization by means of triplet neural networks. First, hierarchical localization, which consists in estimating the robot position in two stages: a coarse localization, which involves a room retrieval task, and a fine localization is addressed by means of image retrieval in the previously selected room. Second, global localization, which consists in estimating the position of the robot inside the entire map in a unique step. Besides, an exhaustive study of the loss function influence on the network learning process has been made. The experimental section proves that triplet neural networks are an efficient and robust tool to address the localization of mobile robots in indoor environments, considering real operation conditions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google