Grunnleggende konsepter
熱画像の日中変化に対応するため、学習ベースの特徴量記述子を用いたBag of Words手法によるリロケーリゼーションを提案する。
Sammendrag
本研究では、熱画像SLAMの課題に取り組んでいる。熱画像は環境の可視性が低く、特徴量抽出や特徴量マッチングが困難であるため、長期的なマッピングや再ロケーリゼーションが難しい。
まず、従来の特徴量抽出手法の問題点を分析し、Gluestickを用いた学習ベースの特徴量記述子が日中変化に強いことを示した。次に、この学習特徴量を用いたBag of Words手法によるリロケーリゼーションを提案した。
提案手法では、SuperPoint特徴量とGluestickマッチャーを組み合わせたSLAMシステムを構築した。実験では、日中の熱画像シーケンスにおいて良好な局所トラッキングと、日中の大きな見た目変化に対するリロケーリゼーションを実現できることを示した。
Statistikk
熱画像の日中変化により、従来の特徴量抽出手法ではマッチング精度が大幅に低下する
提案手法のGluestickは、日中の大きな見た目変化に対してもマッチング精度が高い
Sitater
"Existing feature-based methods [15] [17] [22], are notably less effective with infrared (IR) imagery. This ineffectiveness is due to reduced and inconsistent feature extraction in the short term, and inverting image gradients caused by the variations in LWIR energy across different objects in the long term."
"We show that inconsistent feature extraction causes the ORB [26] based place recognition schemes used in almost all SOTA visual SLAM systems [3] [25] [36] to be ineffective over temporal gaps of only a few hours."