一种用于同时定位和映射场景的新分类方法,使用RGB-D点上的边界对象函数描述符.
Victor Lomas-Barrie1, Mario Suarez-Espinoza2, Gerardo Hernandez-Chavez3
1Instituto de Investigaciones en Matematicas Aplicadas y en Sistemas, Universidad Nacional Autonoma de Mexico, Mexico City 04510, Mexico.
Sensors (Basel, Switzerland)
|November 14, 2023
概括
本研究引入了一种新的方法,用于同时定位和映射 (SLAM) 中的场景分类,使用边界对象函数 (BOF) 描述符. 这种方法提高了自主导航系统的计算效率,而不会牺牲准确性.
科学领域:
- 计算机视觉 计算机视觉
- 机器人技术 机器人技术 机器人技术
- 人工智能的人工智能
背景情况:
- 由于环境变化和小型设备的计算需求,自主导航系统在场景分类方面面临着挑战.
- 像SIFT和ORB这样的传统方法是计算密集型的,限制了它们在资源有限的平台上的应用.
- 准确的场景理解对于有效的同时定位和映射 (SLAM) 是至关重要的.
研究的目的:
- 为SLAM系统开发一个计算高效的场景分类方法.
- 为了减少小因素计算机的场景分类算法的复杂性.
- 为了保持高精度,同时提高自主导航的处理速度.
主要方法:
- 一种新的场景分类方法,利用RGB-D点云上的边界对象函数 (BOF) 描述符.
- 从场景对象中结合基于BOF的描述符来定义场景类.
- 从分层的RGB-D数据中提取对象边界,并使用支持向量机 (SVM) 使用视觉词包模型对特征进行分类.
主要成果:
- 提出的基于BOF的方法实现了与基于SIFT的场景分类算法相似的准确性.
- 该方法显示了显著的速度改善,比基于SIFT的方法快2.38倍.
- 在7-Scenes和SUNRGBD数据集上的实验验证证证了该方法的有效性,准确性和稳定性.
结论:
- BOF描述符为SLAM中的场景分类提供了一个有效的替代方案,适合资源有限的自主系统.
- 提出的方法有效地平衡了准确性和计算成本,解决了自主导航的关键挑战.
- 这种方法为机器人应用中的实时场景理解提供了强大的解决方案.


