文献

J-GLOBAL ID：201902274964777103   整理番号：19A0517752

畳み込みニューラルネットワーク特徴と鮮鋭度測度によるロバスト位相ナビゲーション【JST・京大機械翻訳】

Robust Topological Navigation via Convolutional Neural Network Feature and Sharpness Measure

著者 (2件)： Ma Jiayi (Electronic Information School, Wuhan University, Wuhan, China) ,  Zhao Ji (ReadSense Ltd., Shanghai, China)
資料名： IEEE Access  (IEEE Access)
巻： 5  ページ： 20707-20715  発行年： 2017年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 近年,移動ロボットの視覚ナビゲーションが出現した。様々な方法の中で,視覚情報を用いたトポロジー的ナビゲーションは,大規模マッピングとナビゲーションのためのスケーラブルなマップ表現を提供する。トポロジーマップは,そのノードとしてキーフレームを持つグラフとそのエッジとして隣接関係を基本的に持つ。以前のトポロジー的マッピングは,スケール不変特徴変換またはSpeeded-Upロバスト特徴のような局所特徴記述子を用いて,マッピング,位置確認,および推定相対姿勢におけるキーフレームを選択する。実際には,局所的特徴は激しい運動ぼけや大きな照明変化に対してロバストではない。本論文では,より効率的でロバストなトポロジーマッピングを改善した。最初に,全体像表現として畳込みニューラルネットワーク(CNN)特徴を用いた。CNN特徴は,位相マップから類似の外観を持つキーフレームを効果的に検索するために用いることができ,運動ぼけと照明変化に対してロバストである。したがって,それは場所認識とロボット再配置のための性能を改善する。第二に,著者らは,高品質のキーフレームを選択するために鮮鋭度測度を使用して,ぼけを選択することを避けた。第3に,効率的でロバストな非剛体マッチング法,ベクトル場コンセンサスを,効率的な幾何学的検証のために使用し,最も類似したキーフレームを検索する。定性的および定量的実験結果は,著者らの方法が満足できることを実証した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 移動ロボット ,  ロボット ,  位置決め ,  *鮮鋭度 ,  *測度 ,  マッチング ,  ベクトル場 ,  位相幾何学 ,  *位相 ,  *ロバスト性
準シソーラス用語： 非剛体 ,  再配列 ,  局所特徴 ,  キーフレーム ,  視覚情報 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 畳み込みニューラルネットワーク ,  鮮鋭度 ,  測度 ,  ロバスト ,  位相 ,  ナビゲーション