Hierarchical localization with panoramic views and triplet loss functions

要約

この論文の主な目的は、移動ロボットの安全なナビゲーションに不可欠な視覚的位置特定に取り組むことです。
私たちが提案するソリューションは、パノラマ画像とトリプレット畳み込みニューラル ネットワークを採用しています。
私たちは、このようなアーキテクチャの特性を活用して、視覚的なエイリアシングやその他の現象が発生しやすい屋内環境における階層的およびグローバルなローカリゼーションの両方に対処することを目指しています。
これらのアーキテクチャにおけるそれらの重要性を考慮して、さまざまな三重項損失関数の完全な比較評価が実行されます。
実験セクションでは、特定の照明条件下でキャプチャされた比較的少ない数の画像でトリプレット ネットワークをトレーニングできること、そしてそれでも結果として得られるネットワークが動的条件下で視覚的位置特定を実行するための堅牢なツールであることを証明しています。
私たちのアプローチは、照明条件の変化、オクルージョン、ノイズ、モーションブラーなど、これらの影響の一部に対して評価されています。
さらに、私たちのアプローチの限界を探るために、トリプレット ネットワークがさまざまな屋内環境で同時にテストされました。
すべてのケースにおいて、これらのアーキテクチャは、多様で困難なシナリオに一般化する優れた機能を実証しています。
実験で使用されたコードは、https://github.com/MarcosAlfaro/TripletNetworksIndoorLocalization.git で入手できます。

要約(オリジナル)

The main objective of this paper is to tackle visual localization, which is essential for the safe navigation of mobile robots. The solution we propose employs panoramic images and triplet convolutional neural networks. We seek to exploit the properties of such architectures to address both hierarchical and global localization in indoor environments, which are prone to visual aliasing and other phenomena. Considering their importance in these architectures, a complete comparative evaluation of different triplet loss functions is performed. The experimental section proves that triplet networks can be trained with a relatively low number of images captured under a specific lighting condition and even so, the resulting networks are a robust tool to perform visual localization under dynamic conditions. Our approach has been evaluated against some of these effects, such as changes in the lighting conditions, occlusions, noise and motion blurring. Furthermore, to explore the limits of our approach, triplet networks have been tested in different indoor environments simultaneously. In all the cases, these architectures have demonstrated a great capability to generalize to diverse and challenging scenarios. The code used in the experiments is available at https://github.com/MarcosAlfaro/TripletNetworksIndoorLocalization.git.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google