論文の概要: Automatic Vocabulary and Graph Verification for Accurate Loop Closure
Detection
- arxiv url: http://arxiv.org/abs/2107.14611v1
- Date: Fri, 30 Jul 2021 13:19:33 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-02 12:56:17.263270
- Title: Automatic Vocabulary and Graph Verification for Accurate Loop Closure
Detection
- Title(参考訳): 正確なループクロージャ検出のための自動語彙とグラフ検証
- Authors: Haosong Yue and Jinyu Miao and Weihai Chen and Wei Wang and Fanghong
Guo and Zhengguo Li
- Abstract要約: Bag-of-Words (BoW)は、機能と関連付け、ループを検出する視覚語彙を構築する。
本稿では,ノードの半径と特徴記述子のドリフトを比較することで,自然な収束基準を提案する。
本稿では,候補ループの検証のための新しいトポロジカルグラフ検証手法を提案する。
- 参考スコア(独自算出の注目度): 21.862978912891677
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Localizing pre-visited places during long-term simultaneous localization and
mapping, i.e. loop closure detection (LCD), is a crucial technique to correct
accumulated inconsistencies. As one of the most effective and efficient
solutions, Bag-of-Words (BoW) builds a visual vocabulary to associate features
and then detect loops. Most existing approaches that build vocabularies
off-line determine scales of the vocabulary by trial-and-error, which often
results in unreasonable feature association. Moreover, the accuracy of the
algorithm usually declines due to perceptual aliasing, as the BoW-based method
ignores the positions of visual features. To overcome these disadvantages, we
propose a natural convergence criterion based on the comparison between the
radii of nodes and the drifts of feature descriptors, which is then utilized to
build the optimal vocabulary automatically. Furthermore, we present a novel
topological graph verification method for validating candidate loops so that
geometrical positions of the words can be involved with a negligible increase
in complexity, which can significantly improve the accuracy of LCD. Experiments
on various public datasets and comparisons against several state-of-the-art
algorithms verify the performance of our proposed approach.
- Abstract(参考訳): 長期同時局所化とマッピングにおける事前訪問場所の局所化
ループ閉鎖検出(LCD)は蓄積した不整合を補正する重要な手法である。
最も効率的かつ効率的なソリューションの1つとして、Bag-of-Words (BoW) は機能と関連付け、ループを検出する視覚語彙を構築している。
語彙をオフラインで構築するほとんどの既存のアプローチは、試行錯誤によって語彙のスケールを決定する。
さらに,bow-based法では視覚特徴の位置を無視するため,知覚的エイリアスによりアルゴリズムの精度が低下する。
これらの欠点を克服するために,ノードのradiiと特徴記述子のドリフトの比較に基づく自然収束基準を提案する。
さらに,単語の幾何学的位置が複雑性の無視できる増加に関与し,LCDの精度を大幅に向上させることができるように,候補ループを検証する新しいトポロジカルグラフ検証手法を提案する。
様々な公開データセットにおける実験といくつかの最先端アルゴリズムとの比較により,提案手法の性能が検証された。
関連論文リスト
- SemanticTopoLoop: Semantic Loop Closure With 3D Topological Graph Based
on Quadric-Level Object Map [0.8158530638728501]
ループクロージャはSLAMの重要なコンポーネントの1つです。
バッグ・オブ・ワード(英語版)モデルのような伝統的な外見に基づく手法は、しばしば局所的な2D特徴とトレーニングデータの量によって制限される。
論文 参考訳(メタデータ) (2023-11-06T02:30:30Z) - Generalized Time Warping Invariant Dictionary Learning for Time Series
Classification and Clustering [8.14208923345076]
動的時間ワープ(DTW)は、時間的遅延、スケーリング、変換、その他多くの時間的ミスアライメント問題を扱うために一般的に使用される。
本稿では,時変不変辞書学習アルゴリズムを提案する。
辞書学習,分類,クラスタリングの観点から,提案手法の優位性を10組の公開データセットを用いて検証した。
論文 参考訳(メタデータ) (2023-06-30T14:18:13Z) - LRANet: Towards Accurate and Efficient Scene Text Detection with
Low-Rank Approximation Network [63.554061288184165]
低ランク近似に基づく新しいパラメータ化テキスト形状法を提案する。
異なるテキストの輪郭間の形状相関を探索することにより, 形状表現における一貫性, コンパクト性, 単純性, 頑健性を実現する。
我々はLRANetという名前の正確で効率的な任意の形状のテキスト検出器を実装した。
論文 参考訳(メタデータ) (2023-06-27T02:03:46Z) - Towards View-invariant and Accurate Loop Detection Based on Scene Graph [33.68204049028845]
ループ検出は、蓄積されたポーズドリフトを補正することで視覚SLAMにおいて重要な役割を果たす。
現在のセマンティック支援ループ検出手法は、あいまいなセマンティックインスタンスと劇的な視点差を扱う際の課題に直面している。
本稿では,段階的に生成されたシーングラフに基づく新しいループ検出手法を提案する。
論文 参考訳(メタデータ) (2023-05-24T08:34:43Z) - Finding Dataset Shortcuts with Grammar Induction [85.47127659108637]
我々は,NLPデータセットのショートカットの特徴付けと発見に確率文法を用いることを提案する。
具体的には、文脈自由文法を用いて文分類データセットのパターンをモデル化し、同期文脈自由文法を用いて文ペアを含むデータセットをモデル化する。
その結果得られた文法は、単純かつ高レベルの機能を含む、多くのデータセットで興味深いショートカット機能を示す。
論文 参考訳(メタデータ) (2022-10-20T19:54:11Z) - Real-Time Scene Text Detection with Differentiable Binarization and
Adaptive Scale Fusion [62.269219152425556]
セグメンテーションに基づくシーンテキスト検出手法はシーンテキスト検出分野において大きな注目を集めている。
本稿では,二項化処理をセグメンテーションネットワークに統合する分散二項化(DB)モジュールを提案する。
アダプティブ・スケール・フュージョン (ASF) モジュールは, 異なるスケールの特徴を適応的に融合させることにより, スケールのロバスト性を向上させる。
論文 参考訳(メタデータ) (2022-02-21T15:30:14Z) - Multiway Non-rigid Point Cloud Registration via Learned Functional Map
Synchronization [105.14877281665011]
我々は、点雲上に定義された学習関数に関する地図を同期させることにより、複数の非剛体形状を登録する新しい方法であるSyNoRiMを提案する。
提案手法は,登録精度において最先端の性能を達成できることを実証する。
論文 参考訳(メタデータ) (2021-11-25T02:37:59Z) - LiPo-LCD: Combining Lines and Points for Appearance-based Loop Closure
Detection [1.6758573326215689]
LiPo-LCDは外観に基づく新しいループ閉鎖検出法である。
以前の画像は、後期融合戦略を用いて検索する。
島の概念に基づくシンプルだが効果的なメカニズムは、画像候補探索の労力を減らすために、時間とともに類似した画像をグループ化する。
論文 参考訳(メタデータ) (2020-09-03T10:43:16Z) - Research on Annotation Rules and Recognition Algorithm Based on Phrase
Window [4.334276223622026]
フレーズウィンドウに基づくラベリングルールを提案し,それに対応するフレーズ認識アルゴリズムを設計する。
ラベル付けルールでは、フレーズを最小単位とし、文を7種類のネスト可能なフレーズタイプに分割し、フレーズ間の文法的依存関係を示す。
対応するアルゴリズムは、画像中の対象領域を識別するアイデアに基づいて、文中の様々なフレーズの開始位置と終了位置を見つけることができる。
論文 参考訳(メタデータ) (2020-07-07T00:19:47Z) - Pseudo-Convolutional Policy Gradient for Sequence-to-Sequence
Lip-Reading [96.48553941812366]
唇読解は唇運動系列から音声内容を推測することを目的としている。
seq2seqモデルの伝統的な学習プロセスには2つの問題がある。
本稿では,これら2つの問題に対処するために,PCPGに基づく新しい手法を提案する。
論文 参考訳(メタデータ) (2020-03-09T09:12:26Z) - Consistency of a Recurrent Language Model With Respect to Incomplete
Decoding [67.54760086239514]
逐次言語モデルから無限長のシーケンスを受信する問題について検討する。
不整合に対処する2つの対策として、トップkと核サンプリングの一貫性のある変種と、自己終端の繰り返し言語モデルを提案する。
論文 参考訳(メタデータ) (2020-02-06T19:56:15Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。