On Motion Blur and Deblurring in Visual Place Recognition

要約

モバイル ロボット工学における視覚的場所認識 (VPR) を使用すると、ロボットは、視覚データを使用して以前に訪れた場所を認識することで、自身の位置を特定できます。
VPR 手法の信頼性は、照明、季節、天候、視点の変化などの条件下で広く研究されていますが、モーション ブラーの影響は、急速な動きのシナリオだけでなく、長時間にわたる低照度条件にも関連しているにもかかわらず、比較的解明されていません。
露出時間は必要です。
同様に、モーションブラーの下で VPR パフォーマンスを向上させる際の画像のブレ除去の役割は、これまでのところあまり注目されていません。
このペーパーでは、モーション ブラーと画像のブラー除去の影響下で VPR パフォーマンスを評価するように設計された新しいベンチマークを導入することで、これらのギャップを埋めます。
このベンチマークには、幅広いモーション ブラー強度を網羅する 3 つのデータセットが含まれており、分析のための包括的なプラットフォームを提供します。
いくつかの確立された VPR および画像のブレ除去方法を用いた実験結果により、モーション ブラーの効果とブレ除去によって達成される潜在的な改善についての新たな洞察が得られます。
これらの調査結果に基づいて、この論文では、動的現実世界のシナリオでモーション ブラーを効果的に管理するように設計された、VPR の適応型ブラー除去戦略を提案しています。

要約(オリジナル)

Visual Place Recognition (VPR) in mobile robotics enables robots to localize themselves by recognizing previously visited locations using visual data. While the reliability of VPR methods has been extensively studied under conditions such as changes in illumination, season, weather and viewpoint, the impact of motion blur is relatively unexplored despite its relevance not only in rapid motion scenarios but also in low-light conditions where longer exposure times are necessary. Similarly, the role of image deblurring in enhancing VPR performance under motion blur has received limited attention so far. This paper bridges these gaps by introducing a new benchmark designed to evaluate VPR performance under the influence of motion blur and image deblurring. The benchmark includes three datasets that encompass a wide range of motion blur intensities, providing a comprehensive platform for analysis. Experimental results with several well-established VPR and image deblurring methods provide new insights into the effects of motion blur and the potential improvements achieved through deblurring. Building on these findings, the paper proposes adaptive deblurring strategies for VPR, designed to effectively manage motion blur in dynamic, real-world scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google