声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：21-1137/TP
国际刊号：1002-0446
发布日期:
作者：孔德磊, 方正, 李昊佳, 侯宽旭, 姜俊杰
关键词：视觉位置识别（VPR）, 事件相机, 事件脉冲张量（EST）, 深度残差网络, 三元组排序损失
传统的视觉位置识别（VPR）方法通常使用基于图像帧的相机，存在剧烈光照变化、快速运动等易导致VPR失败的问题。针对上述问题，本文提出了一种使用事件相机的端到端VPR网络，可以在具有挑战性的环境中实现良好的VPR性能。所提出算法的核心思想是，首先采用事件脉冲张量（EST）体素网格对事件流进行表征，然后利用深度残差网络进行特征提取，最后采用改进的局部聚合描述子向量（VLAD）网络进行特征聚合，最终实现基于事件流的端到端VPR。将该方法在基于事件的驾驶数据集（MVSEC、DDD17）和人工合成的事件流数据集（Oxford RobotCar）上与典型的基于图像帧的视觉位置识别方法进行了比较实验。结果表明，在具有挑战性的场景（例如夜晚场景）中，本文方法的性能优于基于图像帧的视觉位置识别方法，其Recall@1指标提升约6.61%。据我们所知，针对视觉位置识别任务，这是首个直接处理事件流数据的端到端弱监督深度网络架构。
来源：2022年第5期
《机器人》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。