raybet雷竞app|雷竞技官网下载|雷电竞下载苹果

杂志上的传感器

1687 - 7268 1687 - 725 x

Hindawi出版公司

10.1155 / 2016/1537891

1537891

研究文章

研究视觉描述符户外导航使用谷歌街景图片

费尔南德斯

http://orcid.org/0000 - 0002 - 3045 - 4316 付

http://orcid.org/0000 - 0002 - 1065 - 8944 雷诺索设计的

O。

http://orcid.org/0000 - 0003 - 3385 - 5622 吉梅内斯

l . M。

http://orcid.org/0000 - 0002 - 8029 - 5085 Ballesta

M。

Martinez-de迪奥斯

何塞·R。

系统工程和自动化

米格尔·埃尔南德斯大学

Avda。de la大学s / n

埃尔切

03202年阿利坎特西班牙 umh.es

2016年

6 12 2016年

2016年 22 03 2016年 24 08年 2016年 02 11 2016年

这是一个开放的文章在知识共享归属许可下发布的,它允许无限制的使用,分布和繁殖在任何媒介,提供最初的工作是正确的引用。

几种方法之间的比较分析来描述室外全景图像。主要目的在于研究这些方法的性能在本地化过程的移动机器人(车辆)在室外环境中,当一个可视映射,其中包含图像从不同位置获得可用的环境。有了这个目标,我们利用数据库提供的谷歌街景,其中包含球面全景图像捕获在城市环境和他们的GPS位置。使用这些图像的主要好处驻留在事实上,它允许测试任何小说定位算法在无数户外环境在世界任何地方和现实的捕捉的条件下。这个工作的主要贡献在于执行的比较评估不同的方法来描述图像解决定位问题在一个户外密集的地图只使用视觉信息。我们已经测试了我们的算法使用全景图像捕获的几套不同的户外环境。工作中获得的结果可能是有用的为视觉导航任务选择一个适当的描述方法在室外环境中使用Google街景数据库和考虑到定位的精度和算法的计算效率。西班牙政府 DPI 2013 - 41557 p Navegacion de机器人en Entornos Dinamicos Mediante Mapas Compactos反对给视觉de Apariencia全球 Generalitat Valenciana AICO / 2015/021 Localizacion y Creacion de Mapas视觉对位Navegacion de机器人6 GDL监狱全球之声/ 2015/031 Creacion de Mapas拓扑从de la Apariencia全球de联合国Conjunto de Escenas 1。介绍</tgydF4y2Baitle> <p>设计汽车自主导航能力的,在未知的环境中,在没有人为干预的情况下,是移动机器人的一个基本目标。为了实现这一目标,车辆必须能够建立一个模型(或映射)的环境,在这个模型估计它的位置。各种各样的定位方法可以在文献中找到。总的来说,机器人的位置和姿态都可以从本体(里程表)或获得外部(激光、摄像头、声纳)传感器,提出了在杜伦的作品等。<xgydF4y2Baref ref-type="bibr" rid="B1"> 1</xgydF4y2Baref>和吉尔等。<xgydF4y2Baref ref-type="bibr" rid="B2"> 2</xgydF4y2Baref>]。</pgydF4y2Ba> <p>对于感受外界刺激的方法,利用计算机视觉环境的创建一个表示非常扩展由于良好的关系<gydF4y2Baitalic> 信息的量/成本</gydF4y2Baitalic>摄像机提供。研究开发在过去年的主题地图创建使用视觉信息是巨大的,并不断提出了新的算法。通常,这些算法的要点之一是视觉信息提取相关信息的描述是有用的机器人位置和姿态的估计。总的来说,这个问题可以从两个观点:局部特征提取和global-appearance方法。在第一个,许多地标(独特的点或区域)提取每个场景和每个里程碑是获取描述符描述不变对机器人位置和姿态的变化。Murillo et al。<xgydF4y2Baref ref-type="bibr" rid="B3"> 3</xgydF4y2Baref>)提出了一个算法,利用海浪(加速健壮的特性)描述方法<xgydF4y2Baref ref-type="bibr" rid="B4"> 4</xgydF4y2Baref>)改善外貌的性能定位方法在大型数据集使用全向图像。另一方面,global-appearance方法在于代表每一个场景都由一个描述符的计算与现场工作作为一个整体,没有当地的特征提取。这种方法最近已成为流行,可以找到一些例子。罗西et al。<xgydF4y2Baref ref-type="bibr" rid="B5"> 5</xgydF4y2Baref>)提供一个度量来计算图像相似度用球面全向图像的傅里叶变换来实现移动机器人的定位。付等。<xgydF4y2Baref ref-type="bibr" rid="B6"> 6</xgydF4y2Baref>)提出一个框架来进行multirobot路线后使用一个外貌的方法与全向图像代表了环境和概率统计方法来估计机器人的定位。最后,费尔南德斯et al。<xgydF4y2Baref ref-type="bibr" rid="B7"> 7</xgydF4y2Baref>)处理使用视觉信息的机器人定位问题提供了一个全向摄像机安装在机器人,基于全球出现的全景图像的使用技术和蒙特卡罗定位(制程)算法(<xgydF4y2Baref ref-type="bibr" rid="B8"> 8</xgydF4y2Baref>]。</pgydF4y2Ba> <p>球面图像的可用性代表户外环境如今几乎是无限的,多亏了谷歌街景服务。此外,这些图像提供了一个完整的<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M1"> <mml:mrow> <mml:mn mathvariant="normal"> 360年</米米l:mn> </mml:mrow> </mml:math> </inline-formula>度的风景在地平面和视图<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M2"> <mml:mrow> <mml:mn mathvariant="normal"> 180年</米米l:mn> </mml:mrow> </mml:math> </inline-formula>垂直度视图。感谢这个伟大的数量的信息,这些图像可以用来进行自主导航任务强劲。使用一组这些以前可用的球面图像密集的视觉环境的地图,它有可能开发出自主定位和导航系统采用图像捕捉到一个移动机器人或车辆和比较它们与地图信息为了解决定位问题。这样,在这篇文章中,我们考虑使用谷歌街景所提供的图像的视觉环境中移动机器人的地图必须使用图像从一个未知的位置获得的本地化。</pgydF4y2Ba> <p>有关使用谷歌街景导航问题的文献信息有点稀疏,但近年来不断增长。例如,Gamallo et al。<xgydF4y2Baref ref-type="bibr" rid="B9"> 9</xgydF4y2Baref>]提出低成本GPS的组合与粒子滤波实现基于视觉的定位系统,比较能越过的地区检测到摄像头与先前标记在地图区域(由谷歌地图图像)。这项工作的主要贡献是,合成图像的生成预测位置的机器人应该看到并与实际观测来计算每个粒子的重量。鸟居et al。<xgydF4y2Baref ref-type="bibr" rid="B10"> 10</xgydF4y2Baref>]试图预测查询图像的GPS定位考虑到谷歌街景数据库。这项工作提出了一个设计一个匹配的过程,认为bag-of-feature向量的线性组合的图像数据库。对室内造成估计,阿里和Bouguet<xgydF4y2Baref ref-type="bibr" rid="B11"> 11</xgydF4y2Baref>]提出一种算法,使用球形谷歌街景图片作为输入,并作为输出他们的相对造成全球范围内。最后,希夫et al。<xgydF4y2Baref ref-type="bibr" rid="B12"> 12</xgydF4y2Baref>)提出了一个完善的校准方法谷歌街景图片利用地籍3 d信息。</pgydF4y2Ba> <p>车辆/机器人的定位可以制定匹配的问题目前捕获的图像与图像以前存储在密集的地图(图像数据库中)。如今,各种各样的检测和描述方法的上下文中提出了视觉导航,但在我们看来,不存在共识这个问题当我们使用户外图像。</pgydF4y2Ba> <p>Amoros et al。<xgydF4y2Baref ref-type="bibr" rid="B13"> 13</xgydF4y2Baref>)进行了评估和比较不同global-appearance方法创建描述符的全景镜头,以提取最相关的信息。这项工作的作者开发的一套实验全景图像捕获在室内环境中展示一些外观描述符机器人导航任务的适用性和测量位置和姿态估计的质量。然而,室外场景而言,没有修订方法,提供良好的结果。这种情况下,使用谷歌街景图片结合事实几乎没有自主导航系统的测试,这里介绍的工作动机。这种哲学后,我们做了一个比较不同的描述符的全景图像,但是在本例中,我们使用谷歌街景图片捕获在户外环境。这是一个更有挑战性的问题,由于几个特点:开放性的图像(即。,thedegree of dominance of some structures such as the sky and the road which do not add distinctiveness to the image), their changing lighting conditions, and the large geometrical distance between the points where the images were captured.</p> <p>考虑到这些特点,我们认为值得进行比较评价的性能不同的图像描述符在真实条件下自主户外定位,因为它将是一个必要步骤之前,视觉导航的实现框架。在本文中,我们评估两种不同的方法:方法基于局部特性和方法基于全球的外观。在这两种情况下我们测试的性能描述符根据主要参数配置,我们的图形化表示<gydF4y2Baitalic> 精度</gydF4y2Baitalic>与每个方法<gydF4y2Baitalic> 回忆</gydF4y2Baitalic>(<xgydF4y2Baref ref-type="bibr" rid="B14"> 14</xgydF4y2Baref>]。</pgydF4y2Ba> <p>户外当机器人自主导航,通常一个粗略的估计机器人移动的地方,和机器人必须能够估计它的位置在这个广阔的区域。这项工作关注这个任务;我们假设机器人导航的区域大约是已知的,它必须在这个领域更准确地估计其立场。这一目标,两个不同的宽领域已被选定评估定位算法的性能,和一组图像单位面积已经从谷歌街景获得数据库。</pgydF4y2Ba> <p>本文的其余部分组织如下。节<xgydF4y2Baref ref-type="sec" rid="sec2"> 2</xgydF4y2Baref>,我们现在描述的方法评估工作。节<xgydF4y2Baref ref-type="sec" rid="sec3"> 3</xgydF4y2Baref>,实验设置和我们使用的数据库。部分<xgydF4y2Baref ref-type="sec" rid="sec4"> 4</xgydF4y2Baref>描述我们跟随的方法来评估在本地化过程中描述符。部分<xgydF4y2Baref ref-type="sec" rid="sec5"> 5</xgydF4y2Baref>给出了实验结果。最后,在节<xgydF4y2Baref ref-type="sec" rid="sec6"> 6</xgydF4y2Baref>,我们概括的结论和未来的工作。</pgydF4y2Ba> </sec> <sec id="sec2"> <title>2。图像描述符</tgydF4y2Baitle> <p>在本节中,我们提出五个不同的图像描述符是适合建立一个紧凑的描述每个场景的外观(<xgydF4y2Baref ref-type="bibr" rid="B13"> 13</xgydF4y2Baref>- - - - - -<xgydF4y2Baref ref-type="bibr" rid="B15"> 15</xgydF4y2Baref>]。的方法之一,此前表示作为一个基于特征的方法,在于将图像表示为一组地标从场景中提取的描述这样的地标。这个地标描述的方法选择冲浪(加速健壮的特性)。选择其他的方法进行比较分析以下外貌的方法:二维离散傅里叶变换(DFT),傅里叶签名(FS),<gydF4y2Baitalic> 要点,</gydF4y2Baitalic>和面向梯度直方图(猪)。每个方法使用一种不同的机制来表达场景的全球信息。首先,DFT和FS是基于频域的分析在二维和一维,分别。第二,的方法<gydF4y2Baitalic> 要点</gydF4y2Baitalic>我们使用的是由边缘信息,通过在几个尺度伽柏过滤和分析。最后,猪收集系统信息的方向梯度局部地区的形象。这些描述方法的选择将允许分析的影响在本地化过程中各类信息。</pgydF4y2Ba> <p>这个研究的最初的目的是比较一些global-appearance方法。然而,我们已经决定在这比较评价包括局部特征描述方法更全面的研究。这一目标,我们选择冲浪由于其相对较低的计算成本比较与其他经典的基于特征的方法。</pgydF4y2Ba> <p>第二部分提出简要的描述方法中比较评估。</pgydF4y2Ba> <sec id="sec2.1"> <title>2.1。冲浪和哈里斯角落探测器</tgydF4y2Baitle> <p>加快健壮的特性(冲浪)介绍了海湾et al。<xgydF4y2Baref ref-type="bibr" rid="B4"> 4</xgydF4y2Baref>]。本研究表明,冲浪比现有方法重复性,健壮性和特殊性的描述符。检测方法使用积分图像来减少计算时间和基于海赛矩阵。另一方面,Haar-wavelet反应的描述符代表一个分布在兴趣点附近,使一个有效的利用积分图像。在这个工作我们只包括标准描述符冲浪,64组件的每一个维度的里程碑,但有两个版本:扩展的版本(E-SURF) 128个元素和正直的版本(U-SURF),这不是和旋转不变的长度为64的元素。另一方面,我们执行的检测特性使用哈里斯角落探测器(基于二阶矩矩阵的特征值<xgydF4y2Baref ref-type="bibr" rid="B16"> 16</xgydF4y2Baref>)因为我们的实验表明,该方法提取最健壮点户外图像比较冲浪提取方法。</pgydF4y2Ba> <p>这样我们在这项工作中使用的方法结合了这两种算法。更具体地说,哈里斯角落探测器用于从图像中提取特征,和标准的冲浪描述符是用来描述之前发现并描述每一个地标。</pgydF4y2Ba> </sec> <sec id="sec2.2"> <title>2.2。二维离散傅里叶变换</tgydF4y2Baitle> <p>从一个图像<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M3"> <mml:mi> f</米米l:mi> <mml:mo stretchy="false"> (</米米l:mo> <mml:mi> x</米米l:mi> <mml:mo> ,</米米l:mo> <mml:mi> y</米米l:mi> <mml:mo stretchy="false"> )</米米l:mo> </mml:math> </inline-formula>与<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M4"> <mml:mrow> <mml:msub> <mml:mrow> <mml:mi> N</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> x</米米l:mi> </mml:mrow> </mml:msub> </mml:mrow> </mml:math> </inline-formula>行和<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M5"> <mml:mrow> <mml:msub> <mml:mrow> <mml:mi> N</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> y</米米l:mi> </mml:mrow> </mml:msub> </mml:mrow> </mml:math> </inline-formula>列,二维离散傅里叶变换(DFT)可以定义如下:<dgydF4y2Baisp-formula> <mml:math display="block" xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M6"> <mml:mtable> <mml:mlabeledtr id="EEq1"> <mml:mtd> <mml:mtext> (1)</米米l:mtext> </mml:mtd> <mml:mtd> <mml:mi> F</米米l:mi> <mml:mfenced open="[" close="]" separators="|"> <mml:mrow> <mml:mi> f</米米l:mi> <mml:mfenced separators="|"> <mml:mrow> <mml:mi> x</米米l:mi> <mml:mo> ,</米米l:mo> <mml:mi> y</米米l:mi> </mml:mrow> </mml:mfenced> </mml:mrow> </mml:mfenced> <mml:mo> =</米米l:mo> <mml:mi> F</米米l:mi> <mml:mfenced separators="|"> <mml:mrow> <mml:mi> u</米米l:mi> <mml:mo> ,</米米l:mo> <mml:mi> v</米米l:mi> </mml:mrow> </mml:mfenced> <mml:mo> =</米米l:mo> <mml:mfrac> <mml:mrow> <mml:mn mathvariant="normal"> 1</米米l:mn> </mml:mrow> <mml:mrow> <mml:msub> <mml:mrow> <mml:mi> N</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> y</米米l:mi> </mml:mrow> </mml:msub> <mml:msub> <mml:mrow> <mml:mi> N</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> x</米米l:mi> </mml:mrow> </mml:msub> </mml:mrow> </mml:mfrac> <mml:mrow> <mml:munderover> <mml:mstyle displaystyle="true"> <mml:mo stretchy="false"> ∑</米米l:mo> </mml:mstyle> <mml:mrow> <mml:mi> x</米米l:mi> <mml:mo> =</米米l:mo> <mml:mn mathvariant="normal"> 0</米米l:mn> </mml:mrow> <mml:mrow> <mml:msub> <mml:mrow> <mml:mi> N</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> x</米米l:mi> </mml:mrow> </mml:msub> <mml:mo> - - - - - -</米米l:mo> <mml:mn mathvariant="normal"> 1</米米l:mn> </mml:mrow> </mml:munderover> <mml:mrow> <mml:mrow> <mml:munderover> <mml:mstyle displaystyle="true"> <mml:mo stretchy="false"> ∑</米米l:mo> </mml:mstyle> <mml:mrow> <mml:mi> y</米米l:mi> <mml:mo> =</米米l:mo> <mml:mn mathvariant="normal"> 0</米米l:mn> </mml:mrow> <mml:mrow> <mml:msub> <mml:mrow> <mml:mi> N</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> y</米米l:mi> </mml:mrow> </mml:msub> <mml:mo> - - - - - -</米米l:mo> <mml:mn mathvariant="normal"> 1</米米l:mn> </mml:mrow> </mml:munderover> <mml:mrow> <mml:mi> f</米米l:mi> <mml:mfenced separators="|"> <mml:mrow> <mml:mi> x</米米l:mi> <mml:mo> ,</米米l:mo> <mml:mi> y</米米l:mi> </mml:mrow> </mml:mfenced> </mml:mrow> </mml:mrow> <mml:mo> ·</米米l:mo> <mml:msup> <mml:mrow> <mml:mi> e</米米l:mi> </mml:mrow> <mml:mrow> <mml:mo> - - - - - -</米米l:mo> <mml:mn mathvariant="normal"> 2</米米l:mn> <mml:mi> π</米米l:mi> <mml:mi> j</米米l:mi> <mml:mfenced separators="|"> <mml:mrow> <mml:mrow> <mml:mrow> <mml:mi> u</米米l:mi> <mml:mi> x</米米l:mi> </mml:mrow> <mml:mo> /</米米l:mo> <mml:mrow> <mml:msub> <mml:mrow> <mml:mi> N</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> x</米米l:mi> </mml:mrow> </mml:msub> </mml:mrow> </mml:mrow> <mml:mo> +</米米l:mo> <mml:mrow> <mml:mrow> <mml:mi> v</米米l:mi> <mml:mi> y</米米l:mi> </mml:mrow> <mml:mo> /</米米l:mo> <mml:mrow> <mml:msub> <mml:mrow> <mml:mi> N</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> y</米米l:mi> </mml:mrow> </mml:msub> </mml:mrow> </mml:mrow> </mml:mrow> </mml:mfenced> </mml:mrow> </mml:msup> </mml:mrow> </mml:mrow> <mml:mo> ,</米米l:mo> <mml:mi class="cond"> </mml:mi> <mml:mi> u</米米l:mi> <mml:mo> =</米米l:mo> <mml:mn mathvariant="normal"> 0</米米l:mn> <mml:mo> ,</米米l:mo> <mml:mo> …</米米l:mo> <mml:mo> ,</米米l:mo> <mml:msub> <mml:mrow> <mml:mi> N</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> x</米米l:mi> </mml:mrow> </mml:msub> <mml:mo> - - - - - -</米米l:mo> <mml:mn mathvariant="normal"> 1</米米l:mn> <mml:mo> ,</米米l:mo> <mml:mo> </mml:mo> <mml:mo> </mml:mo> <mml:mi> v</米米l:mi> <mml:mo> =</米米l:mo> <mml:mn mathvariant="normal"> 0</米米l:mn> <mml:mo> ,</米米l:mo> <mml:mo> …</米米l:mo> <mml:mo> ,</米米l:mo> <mml:msub> <mml:mrow> <mml:mi> N</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> y</米米l:mi> </mml:mrow> </mml:msub> <mml:mo> - - - - - -</米米l:mo> <mml:mn mathvariant="normal"> 1</米米l:mn> <mml:mo> ,</米米l:mo> </mml:mtd> </mml:mlabeledtr> </mml:mtable> </mml:math> </disp-formula>在哪里<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M7"> <mml:mo stretchy="false"> (</米米l:mo> <mml:mi> u</米米l:mi> <mml:mo> ,</米米l:mo> <mml:mi> v</米米l:mi> <mml:mo stretchy="false"> )</米米l:mo> </mml:math> </inline-formula>变量和频率转换函数吗<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M8"> <mml:mi> F</米米l:mi> <mml:mo stretchy="false"> (</米米l:mo> <mml:mi> u</米米l:mi> <mml:mo> ,</米米l:mo> <mml:mi> v</米米l:mi> <mml:mo stretchy="false"> )</米米l:mo> </mml:math> </inline-formula>是一个复杂的函数可以分解成一个模矩阵和一个参数矩阵。这一转变提出了一些有趣的属性是有用的机器人定位的任务。首先,在傅里叶域中最相关的信息集中在较低的频率成分,因此可以减少内存和优化的计算成本只保留第一<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M9"> <mml:mrow> <mml:msub> <mml:mrow> <mml:mi> k</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> x</米米l:mi> </mml:mrow> </mml:msub> </mml:mrow> </mml:math> </inline-formula>行和<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M10"> <mml:mrow> <mml:msub> <mml:mrow> <mml:mi> k</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> y</米米l:mi> </mml:mrow> </mml:msub> </mml:mrow> </mml:math> </inline-formula>列变换。第二,当<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M11"> <mml:mi> f</米米l:mi> <mml:mo stretchy="false"> (</米米l:mo> <mml:mi> x</米米l:mi> <mml:mo> ,</米米l:mo> <mml:mi> y</米米l:mi> <mml:mo stretchy="false"> )</米米l:mo> </mml:math> </inline-formula>是一个全景镜头,翻译的行和/或列原始图像产生一个变化只在参数矩阵(<xgydF4y2Baref ref-type="bibr" rid="B15"> 15</xgydF4y2Baref>]。这种方式,模矩阵包含信息,是旋转不变的机器人在地面上的飞机,和参数矩阵包含可以有用的信息来估计机器人在这个平面上的方向对参考图像(使用DFT位移定理)。</pgydF4y2Ba> <p>考虑到这些事实,全球形象的描述<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M12"> <mml:mi> f</米米l:mi> <mml:mo stretchy="false"> (</米米l:mo> <mml:mi> x</米米l:mi> <mml:mo> ,</米米l:mo> <mml:mi> y</米米l:mi> <mml:mo stretchy="false"> )</米米l:mo> </mml:math> </inline-formula>由大小的矩阵<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M13"> <mml:mi> 一个</米米l:mi> <mml:mo stretchy="false"> (</米米l:mo> <mml:mi> u</米米l:mi> <mml:mo> ,</米米l:mo> <mml:mi> v</米米l:mi> <mml:mo stretchy="false"> )</米米l:mo> </mml:math> </inline-formula>和参数矩阵<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M14"> <mml:mi> Φ</米米l:mi> <mml:mo stretchy="false"> (</米米l:mo> <mml:mi> u</米米l:mi> <mml:mo> ,</米米l:mo> <mml:mi> v</米米l:mi> <mml:mo stretchy="false"> )</米米l:mo> </mml:math> </inline-formula>它的二维DFT。两个矩阵的维度<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M15"> <mml:msub> <mml:mrow> <mml:mi> k</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> x</米米l:mi> </mml:mrow> </mml:msub> <mml:mo> <</米米l:mo> <mml:msub> <mml:mrow> <mml:mi> N</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> x</米米l:mi> </mml:mrow> </mml:msub> </mml:math> </inline-formula>行和<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M16"> <mml:msub> <mml:mrow> <mml:mi> k</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> y</米米l:mi> </mml:mrow> </mml:msub> <mml:mo> <</米米l:mo> <mml:msub> <mml:mrow> <mml:mi> N</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> y</米米l:mi> </mml:mrow> </mml:msub> </mml:math> </inline-formula>列。一方面,<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M17"> <mml:mi> 一个</米米l:mi> <mml:mo stretchy="false"> (</米米l:mo> <mml:mi> u</米米l:mi> <mml:mo> ,</米米l:mo> <mml:mi> v</米米l:mi> <mml:mo stretchy="false"> )</米米l:mo> </mml:math> </inline-formula>是有用的估计机器人位置和,另一方面,信息<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M18"> <mml:mi> Φ</米米l:mi> <mml:mo stretchy="false"> (</米米l:mo> <mml:mi> u</米米l:mi> <mml:mo> ,</米米l:mo> <mml:mi> v</米米l:mi> <mml:mo stretchy="false"> )</米米l:mo> </mml:math> </inline-formula>可以用来估计机器人定位。</pgydF4y2Ba> </sec> <sec id="sec2.3"> <title>2.3。傅里叶签名</tgydF4y2Baitle> <p>第三个图像描述方法使用在这个比较分析傅里叶签名(FS),描述最初我想et al。(<xgydF4y2Baref ref-type="bibr" rid="B17"> 17</xgydF4y2Baref>]。从一个图像<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M19"> <mml:mi> f</米米l:mi> <mml:mo stretchy="false"> (</米米l:mo> <mml:mi> x</米米l:mi> <mml:mo> ,</米米l:mo> <mml:mi> y</米米l:mi> <mml:mo stretchy="false"> )</米米l:mo> </mml:math> </inline-formula>与<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M20"> <mml:mrow> <mml:msub> <mml:mrow> <mml:mi> N</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> x</米米l:mi> </mml:mrow> </mml:msub> </mml:mrow> </mml:math> </inline-formula>行和<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M21"> <mml:mrow> <mml:msub> <mml:mrow> <mml:mi> N</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> y</米米l:mi> </mml:mrow> </mml:msub> </mml:mrow> </mml:math> </inline-formula>列,FS在于获得一维DFT的每一行。该方法提出了一些优势,如它的简单性,其计算成本低,它利用更好的机器人的不变性和旋转地平面,当我们使用全景视图。</pgydF4y2Ba> <p>更具体地说,这个过程来计算FS在于把每一行<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M22"> <mml:mrow> <mml:mi> x</米米l:mi> </mml:mrow> </mml:math> </inline-formula>最初的全景图像<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M23"> <mml:mfenced open="{" close="}" separators="|"> <mml:mrow> <mml:msub> <mml:mrow> <mml:mi> f</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> x</米米l:mi> </mml:mrow> </mml:msub> </mml:mrow> </mml:mfenced> <mml:mo> =</米米l:mo> <mml:mfenced open="{" close="}" separators="|"> <mml:mrow> <mml:msub> <mml:mrow> <mml:mi> f</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> x</米米l:mi> <mml:mo> ,</米米l:mo> <mml:mn mathvariant="normal"> 0</米米l:mn> </mml:mrow> </mml:msub> <mml:mo> ,</米米l:mo> <mml:msub> <mml:mrow> <mml:mi> f</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> x</米米l:mi> <mml:mo> ,</米米l:mo> <mml:mn mathvariant="normal"> 1</米米l:mn> </mml:mrow> </mml:msub> <mml:mo> ,</米米l:mo> <mml:mo> …</米米l:mo> <mml:mo> ,</米米l:mo> <mml:msub> <mml:mrow> <mml:mi> f</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> x</米米l:mi> <mml:mo> ,</米米l:mo> <mml:msub> <mml:mrow> <mml:mi> N</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> y</米米l:mi> </mml:mrow> </mml:msub> <mml:mo> - - - - - -</米米l:mo> <mml:mn mathvariant="normal"> 1</米米l:mn> </mml:mrow> </mml:msub> </mml:mrow> </mml:mfenced> </mml:math> </inline-formula>,<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M24"> <mml:mi> x</米米l:mi> <mml:mo> =</米米l:mo> <mml:mn mathvariant="normal"> 0</米米l:mn> <mml:mo> ,</米米l:mo> <mml:mo> …</米米l:mo> <mml:mo> ,</米米l:mo> <mml:msub> <mml:mrow> <mml:mi> N</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> x</米米l:mi> </mml:mrow> </mml:msub> <mml:mo> - - - - - -</米米l:mo> <mml:mn mathvariant="normal"> 1</米米l:mn> </mml:math> </inline-formula>复数的顺序<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M25"> <mml:mfenced open="{" close="}" separators="|"> <mml:mrow> <mml:msub> <mml:mrow> <mml:mi> F</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> x</米米l:mi> </mml:mrow> </mml:msub> </mml:mrow> </mml:mfenced> <mml:mo> =</米米l:mo> <mml:mfenced open="{" close="}" separators="|"> <mml:mrow> <mml:msub> <mml:mrow> <mml:mi> F</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> x</米米l:mi> <mml:mo> ,</米米l:mo> <mml:mn mathvariant="normal"> 0</米米l:mn> </mml:mrow> </mml:msub> <mml:mo> ,</米米l:mo> <mml:msub> <mml:mrow> <mml:mi> F</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> x</米米l:mi> <mml:mo> ,</米米l:mo> <mml:mn mathvariant="normal"> 1</米米l:mn> </mml:mrow> </mml:msub> <mml:mo> ,</米米l:mo> <mml:mo> …</米米l:mo> <mml:mo> ,</米米l:mo> <mml:msub> <mml:mrow> <mml:mi> F</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> x</米米l:mi> <mml:mo> ,</米米l:mo> <mml:msub> <mml:mrow> <mml:mi> N</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> y</米米l:mi> </mml:mrow> </mml:msub> <mml:mo> - - - - - -</米米l:mo> <mml:mn mathvariant="normal"> 1</米米l:mn> </mml:mrow> </mml:msub> </mml:mrow> </mml:mfenced> </mml:math> </inline-formula>,<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M26"> <mml:mi> x</米米l:mi> <mml:mo> =</米米l:mo> <mml:mn mathvariant="normal"> 0</米米l:mn> <mml:mo> ,</米米l:mo> <mml:mo> …</米米l:mo> <mml:mo> ,</米米l:mo> <mml:msub> <mml:mrow> <mml:mi> N</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> x</米米l:mi> </mml:mrow> </mml:msub> <mml:mo> - - - - - -</米米l:mo> <mml:mn mathvariant="normal"> 1</米米l:mn> </mml:math> </inline-formula>根据1 d-dft表达式:<dgydF4y2Baisp-formula> <mml:math display="block" xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M27"> <mml:mtable> <mml:mlabeledtr id="EEq3"> <mml:mtd> <mml:mtext> (2)</米米l:mtext> </mml:mtd> <mml:mtd> <mml:msub> <mml:mrow> <mml:mi> F</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> x</米米l:mi> <mml:mo> ,</米米l:mo> <mml:mi> k</米米l:mi> </mml:mrow> </mml:msub> <mml:mo> =</米米l:mo> <mml:mrow> <mml:munderover> <mml:mstyle displaystyle="true"> <mml:mo stretchy="false"> ∑</米米l:mo> </mml:mstyle> <mml:mrow> <mml:mi> n</米米l:mi> <mml:mo> =</米米l:mo> <mml:mn mathvariant="normal"> 0</米米l:mn> </mml:mrow> <mml:mrow> <mml:msub> <mml:mrow> <mml:mi> N</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> y</米米l:mi> </mml:mrow> </mml:msub> <mml:mo> - - - - - -</米米l:mo> <mml:mn mathvariant="normal"> 1</米米l:mn> </mml:mrow> </mml:munderover> <mml:mrow> <mml:msub> <mml:mrow> <mml:mi> f</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> x</米米l:mi> <mml:mo> ,</米米l:mo> <mml:mi> n</米米l:mi> </mml:mrow> </mml:msub> </mml:mrow> </mml:mrow> <mml:mo> ·</米米l:mo> <mml:msup> <mml:mrow> <mml:mi> e</米米l:mi> </mml:mrow> <mml:mrow> <mml:mo> - - - - - -</米米l:mo> <mml:mi> j</米米l:mi> <mml:mfenced separators="|"> <mml:mrow> <mml:mrow> <mml:mrow> <mml:mn mathvariant="normal"> 2</米米l:mn> <mml:mi> π</米米l:mi> </mml:mrow> <mml:mo> /</米米l:mo> <mml:mrow> <mml:msub> <mml:mrow> <mml:mi> N</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> y</米米l:mi> </mml:mrow> </mml:msub> </mml:mrow> </mml:mrow> </mml:mrow> </mml:mfenced> <mml:mi> k</米米l:mi> <mml:mi> n</米米l:mi> </mml:mrow> </mml:msup> <mml:mo> ,</米米l:mo> <mml:mi class="cond"> </mml:mi> <mml:mi> k</米米l:mi> <mml:mo> =</米米l:mo> <mml:mn mathvariant="normal"> 0</米米l:mn> <mml:mo> ,</米米l:mo> <mml:mo> …</米米l:mo> <mml:mo> ,</米米l:mo> <mml:msub> <mml:mrow> <mml:mi> N</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> y</米米l:mi> </mml:mrow> </mml:msub> <mml:mo> - - - - - -</米米l:mo> <mml:mn mathvariant="normal"> 1</米米l:mn> <mml:mo> ,</米米l:mo> <mml:mo> </mml:mo> <mml:mo> </mml:mo> <mml:mi> x</米米l:mi> <mml:mo> =</米米l:mo> <mml:mn mathvariant="normal"> 0</米米l:mn> <mml:mo> ,</米米l:mo> <mml:mo> …</米米l:mo> <mml:mo> ,</米米l:mo> <mml:msub> <mml:mrow> <mml:mi> N</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> x</米米l:mi> </mml:mrow> </mml:msub> <mml:mo> - - - - - -</米米l:mo> <mml:mn mathvariant="normal"> 1</米米l:mn> <mml:mo> 。</米米l:mo> </mml:mtd> </mml:mlabeledtr> </mml:mtable> </mml:math> </disp-formula></p> <p>结果是一个复杂的矩阵<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M28"> <mml:mi> F</米米l:mi> <mml:mo stretchy="false"> (</米米l:mo> <mml:mi> x</米米l:mi> <mml:mo> ,</米米l:mo> <mml:mi> v</米米l:mi> <mml:mo stretchy="false"> )</米米l:mo> </mml:math> </inline-formula>,在那里<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M29"> <mml:mrow> <mml:mi> v</米米l:mi> </mml:mrow> </mml:math> </inline-formula>是一个频率变量,它可以分解成一个模矩阵和一个参数矩阵。</pgydF4y2Ba> <p>由于1 d-dft属性可以代表每一行<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M30"> <mml:mi> F</米米l:mi> <mml:mo stretchy="false"> (</米米l:mo> <mml:mi> x</米米l:mi> <mml:mo> ,</米米l:mo> <mml:mi> v</米米l:mi> <mml:mo stretchy="false"> )</米米l:mo> </mml:math> </inline-formula>以来第一次系数最相关的信息都集中在描述符中的每一行的低频成分,因此可以减少通过保留的内存数量<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M31"> <mml:mrow> <mml:msub> <mml:mrow> <mml:mi> k</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> y</米米l:mi> </mml:mrow> </mml:msub> </mml:mrow> </mml:math> </inline-formula>第一列签名<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M32"> <mml:mi> F</米米l:mi> <mml:mo stretchy="false"> (</米米l:mo> <mml:mi> x</米米l:mi> <mml:mo> ,</米米l:mo> <mml:mi> v</米米l:mi> <mml:mo stretchy="false"> )</米米l:mo> </mml:math> </inline-formula>。另外,当<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M33"> <mml:mi> f</米米l:mi> <mml:mo stretchy="false"> (</米米l:mo> <mml:mi> x</米米l:mi> <mml:mo> ,</米米l:mo> <mml:mi> y</米米l:mi> <mml:mo stretchy="false"> )</米米l:mo> </mml:math> </inline-formula>是一个全景镜头,模块对机器人旋转矩阵是不变的地平面和震级矩阵许可估计机器人方向的变化使用DFT位移定理[<xgydF4y2Baref ref-type="bibr" rid="B15"> 15</xgydF4y2Baref>,<xgydF4y2Baref ref-type="bibr" rid="B17"> 17</xgydF4y2Baref>,<xgydF4y2Baref ref-type="bibr" rid="B18"> 18</xgydF4y2Baref>]。</pgydF4y2Ba> <p>考虑到这些事实,全球形象的描述<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M34"> <mml:mi> f</米米l:mi> <mml:mo stretchy="false"> (</米米l:mo> <mml:mi> x</米米l:mi> <mml:mo> ,</米米l:mo> <mml:mi> y</米米l:mi> <mml:mo stretchy="false"> )</米米l:mo> </mml:math> </inline-formula>由大小的矩阵<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M35"> <mml:mi> 一个</米米l:mi> <mml:mo stretchy="false"> (</米米l:mo> <mml:mi> x</米米l:mi> <mml:mo> ,</米米l:mo> <mml:mi> v</米米l:mi> <mml:mo stretchy="false"> )</米米l:mo> </mml:math> </inline-formula>和参数矩阵<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M36"> <mml:mi> Φ</米米l:mi> <mml:mo stretchy="false"> (</米米l:mo> <mml:mi> x</米米l:mi> <mml:mo> ,</米米l:mo> <mml:mi> v</米米l:mi> <mml:mo stretchy="false"> )</米米l:mo> </mml:math> </inline-formula>的傅里叶签名。两个矩阵的维度<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M37"> <mml:mrow> <mml:msub> <mml:mrow> <mml:mi> N</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> x</米米l:mi> </mml:mrow> </mml:msub> </mml:mrow> </mml:math> </inline-formula>行和<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M38"> <mml:msub> <mml:mrow> <mml:mi> k</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> y</米米l:mi> </mml:mrow> </mml:msub> <mml:mo> <</米米l:mo> <mml:msub> <mml:mrow> <mml:mi> N</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> y</米米l:mi> </mml:mrow> </mml:msub> </mml:math> </inline-formula>列。首先,机器人的位置可以被估计使用的信息<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M39"> <mml:mi> 一个</米米l:mi> <mml:mo stretchy="false"> (</米米l:mo> <mml:mi> x</米米l:mi> <mml:mo> ,</米米l:mo> <mml:mi> v</米米l:mi> <mml:mo stretchy="false"> )</米米l:mo> </mml:math> </inline-formula>,因为它是机器人方向的变化和第二不变量<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M40"> <mml:mi> Φ</米米l:mi> <mml:mo stretchy="false"> (</米米l:mo> <mml:mi> x</米米l:mi> <mml:mo> ,</米米l:mo> <mml:mi> v</米米l:mi> <mml:mo stretchy="false"> )</米米l:mo> </mml:math> </inline-formula>可以用来估计机器人定位。</pgydF4y2Ba> </sec> <sec id="sec2.4"> <title>2.4。<斜体> < /斜体>要点</tgydF4y2Baitle> <p>的概念<gydF4y2Baitalic> 要点</gydF4y2Baitalic>图像可以被定义为一个抽象表示,激活记忆的场景类别(<xgydF4y2Baref ref-type="bibr" rid="B19"> 19</xgydF4y2Baref>]。的<gydF4y2Baitalic> 要点</gydF4y2Baitalic>基于描述符来表示图像中获得其基本信息模拟人类感知系统和一个场景的识别颜色识别能力显著或显著的结构。Torralba [<xgydF4y2Baref ref-type="bibr" rid="B20"> 20.</xgydF4y2Baref>)提出了一个模型来获得全球舞台的特性,在几个使用不同尺度空间频率和基于伽柏过滤。他们使用这些特性在一个场景识别和分类的任务。在以前的作品(<xgydF4y2Baref ref-type="bibr" rid="B13"> 13</xgydF4y2Baref>我们雇了一个<gydF4y2Baitalic> 要点</gydF4y2Baitalic>伽柏描述符为了获得频率和方向的信息。由于良好的结果在室内环境中移动机器人提出了3自由度(自由度)在地平面上的动作,第四个方法使用在本文中给出的比较分析<gydF4y2Baitalic> 要点</gydF4y2Baitalic>描述符的全景图像。</pgydF4y2Ba> <p>该方法从开始两个版本的全景图像<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M41"> <mml:mi> f</米米l:mi> <mml:mo stretchy="false"> (</米米l:mo> <mml:mi> x</米米l:mi> <mml:mo> ,</米米l:mo> <mml:mi> y</米米l:mi> <mml:mo stretchy="false"> )</米米l:mo> </mml:math> </inline-formula>:原来,<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M42"> <mml:mrow> <mml:msub> <mml:mrow> <mml:mi> N</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> x</米米l:mi> </mml:mrow> </mml:msub> </mml:mrow> </mml:math> </inline-formula>行和<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M43"> <mml:mrow> <mml:msub> <mml:mrow> <mml:mi> N</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> y</米米l:mi> </mml:mrow> </mml:msub> </mml:mrow> </mml:math> </inline-formula>列和一个新版本应用高斯低通滤波器和二次抽样后新的大小等于<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M44"> <mml:mn mathvariant="normal"> 0.5</米米l:mn> <mml:mo> ·</米米l:mo> <mml:msub> <mml:mrow> <mml:mi> N</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> x</米米l:mi> </mml:mrow> </mml:msub> <mml:mo> ×</米米l:mo> <mml:mn mathvariant="normal"> 0.5</米米l:mn> <mml:mo> ·</米米l:mo> <mml:msub> <mml:mrow> <mml:mi> N</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> y</米米l:mi> </mml:mrow> </mml:msub> </mml:math> </inline-formula>。之后,两个图像过滤的银行<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M45"> <mml:mrow> <mml:msub> <mml:mrow> <mml:mi> n</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> f</米米l:mi> </mml:mrow> </mml:msub> </mml:mrow> </mml:math> </inline-formula>伽柏过滤器的方向均匀分布覆盖整个圆。减少信息量,像素在图像分成<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M46"> <mml:mrow> <mml:msub> <mml:mrow> <mml:mi> k</米米l:mi> </mml:mrow> <mml:mrow> <mml:mn mathvariant="normal"> 1</米米l:mn> </mml:mrow> </mml:msub> </mml:mrow> </mml:math> </inline-formula>图像每水平块,其宽度等于<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M47"> <mml:mrow> <mml:msub> <mml:mrow> <mml:mi> N</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> y</米米l:mi> </mml:mrow> </mml:msub> </mml:mrow> </mml:math> </inline-formula>在第一图像和<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M48"> <mml:mn mathvariant="normal"> 0.5</米米l:mn> <mml:mo> ·</米米l:mo> <mml:msub> <mml:mrow> <mml:mi> N</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> y</米米l:mi> </mml:mrow> </mml:msub> </mml:math> </inline-formula>在第二个。每组的平均像素值计算,所有这些信息都安排到最后一个描述符,这是一个列向量<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M49"> <mml:mrow> <mml:mover accent="true"> <mml:mrow> <mml:mi> g</米米l:mi> </mml:mrow> <mml:mo> →</米米l:mo> </mml:mover> </mml:mrow> </mml:math> </inline-formula>与<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M50"> <mml:mn mathvariant="normal"> 2</米米l:mn> <mml:mo> ·</米米l:mo> <mml:msub> <mml:mrow> <mml:mi> k</米米l:mi> </mml:mrow> <mml:mrow> <mml:mn mathvariant="normal"> 1</米米l:mn> </mml:mrow> </mml:msub> <mml:mo> ·</米米l:mo> <mml:msub> <mml:mrow> <mml:mi> n</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> f</米米l:mi> </mml:mrow> </mml:msub> </mml:math> </inline-formula>组件。这个描述符对旋转不变的车辆在地面上的飞机。可以找到更多信息的方法(<xgydF4y2Baref ref-type="bibr" rid="B13"> 13</xgydF4y2Baref>]。</pgydF4y2Ba> </sec> <sec id="sec2.5"> <title>2.5。面向梯度的柱状图</tgydF4y2Baitle> <p>面向梯度直方图(猪)描述符是基于梯度的方向在局部地区的形象。它最初被描述由中间人和组织<xgydF4y2Baref ref-type="bibr" rid="B21"> 21</xgydF4y2Baref>]。更简洁,它首先在于获得每个像素的梯度的大小和方向的原始图像。这幅图像划分为一组细胞和梯度方向直方图被编译为每个细胞,收集信息的细胞内的每个像素的梯度方向,加权像素的大小。</pgydF4y2Ba> <p>全向图像捕捉从特定的位置连续地平面包含相同的像素,独立在这个平面机器人的姿态,但以不同的顺序。考虑到这一事实,如果我们计算直方图的细胞有相同的原始图像的宽度,得到一个描述符对机器人的旋转不变。</pgydF4y2Ba> <p>我们使用的方法是描述在深度(<xgydF4y2Baref ref-type="bibr" rid="B22"> 22</xgydF4y2Baref>),可以概括如下。最初的全景图像<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M51"> <mml:mi> f</米米l:mi> <mml:mo stretchy="false"> (</米米l:mo> <mml:mi> x</米米l:mi> <mml:mo> ,</米米l:mo> <mml:mi> y</米米l:mi> <mml:mo stretchy="false"> )</米米l:mo> </mml:math> </inline-formula>与<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M52"> <mml:mrow> <mml:msub> <mml:mrow> <mml:mi> N</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> x</米米l:mi> </mml:mrow> </mml:msub> </mml:mrow> </mml:math> </inline-formula>行和<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M53"> <mml:mrow> <mml:msub> <mml:mrow> <mml:mi> N</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> y</米米l:mi> </mml:mrow> </mml:msub> </mml:mrow> </mml:math> </inline-formula>列第一过滤得到两幅图像的信息水平和垂直边缘,<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M54"> <mml:msub> <mml:mrow> <mml:mi> f</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> x</米米l:mi> </mml:mrow> </mml:msub> <mml:mo stretchy="false"> (</米米l:mo> <mml:mi> x</米米l:mi> <mml:mo> ,</米米l:mo> <mml:mi> y</米米l:mi> <mml:mo stretchy="false"> )</米米l:mo> </mml:math> </inline-formula>和<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M55"> <mml:msub> <mml:mrow> <mml:mi> f</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> y</米米l:mi> </mml:mrow> </mml:msub> <mml:mo stretchy="false"> (</米米l:mo> <mml:mi> x</米米l:mi> <mml:mo> ,</米米l:mo> <mml:mi> y</米米l:mi> <mml:mo stretchy="false"> )</米米l:mo> </mml:math> </inline-formula>。从这两个图像梯度的大小和方向,由像素的像素,结果存储在矩阵<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M56"> <mml:mi> 米</米米l:mi> <mml:mo stretchy="false"> (</米米l:mo> <mml:mi> x</米米l:mi> <mml:mo> ,</米米l:mo> <mml:mi> y</米米l:mi> <mml:mo stretchy="false"> )</米米l:mo> </mml:math> </inline-formula>和<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M57"> <mml:mi> Θ</米米l:mi> <mml:mo stretchy="false"> (</米米l:mo> <mml:mi> x</米米l:mi> <mml:mo> ,</米米l:mo> <mml:mi> y</米米l:mi> <mml:mo stretchy="false"> )</米米l:mo> </mml:math> </inline-formula>,分别。矩阵<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M58"> <mml:mi> Θ</米米l:mi> <mml:mo stretchy="false"> (</米米l:mo> <mml:mi> x</米米l:mi> <mml:mo> ,</米米l:mo> <mml:mi> y</米米l:mi> <mml:mo stretchy="false"> )</米米l:mo> </mml:math> </inline-formula>然后分为<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M59"> <mml:mrow> <mml:msub> <mml:mrow> <mml:mi> k</米米l:mi> </mml:mrow> <mml:mrow> <mml:mn mathvariant="normal"> 2</米米l:mn> </mml:mrow> </mml:msub> </mml:mrow> </mml:math> </inline-formula>水平细胞,其宽度等于<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M60"> <mml:mrow> <mml:msub> <mml:mrow> <mml:mi> N</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> y</米米l:mi> </mml:mrow> </mml:msub> </mml:mrow> </mml:math> </inline-formula>。对于每一个细胞,一个方向直方图<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M61"> <mml:mrow> <mml:mi> b</米米l:mi> </mml:mrow> </mml:math> </inline-formula>箱子被编译。在这个过程中,每个像素<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M62"> <mml:mi> Θ</米米l:mi> <mml:mo stretchy="false"> (</米米l:mo> <mml:mi> x</米米l:mi> <mml:mo> ,</米米l:mo> <mml:mi> y</米米l:mi> <mml:mo stretchy="false"> )</米米l:mo> </mml:math> </inline-formula>是加权与相应像素的大小<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M63"> <mml:mi> 米</米米l:mi> <mml:mo stretchy="false"> (</米米l:mo> <mml:mi> x</米米l:mi> <mml:mo> ,</米米l:mo> <mml:mi> y</米米l:mi> <mml:mo stretchy="false"> )</米米l:mo> </mml:math> </inline-formula>。在过程的结束,直方图的集合构成了最终的描述符<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M64"> <mml:mrow> <mml:mover accent="true"> <mml:mrow> <mml:mi> h</米米l:mi> </mml:mrow> <mml:mo> →</米米l:mo> </mml:mover> </mml:mrow> </mml:math> </inline-formula>这是一个列向量<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M65"> <mml:msub> <mml:mrow> <mml:mi> k</米米l:mi> </mml:mrow> <mml:mrow> <mml:mn mathvariant="normal"> 2</米米l:mn> </mml:mrow> </mml:msub> <mml:mo> ·</米米l:mo> <mml:mi> b</米米l:mi> </mml:math> </inline-formula>组件。</pgydF4y2Ba> </sec> </sec> <sec id="sec3"> <title>3所示。实验设置</tgydF4y2Baitle> <p>这项工作的主要目的在于执行一个详尽的描述的性能评价方法在前一节中提出的。所有这些方法都将包括在定位算法及其性能将被评估和比较的计算成本和定位精度。比较评估的结果将给我们一个想法的描述方法,它提供了最好的结果在户外环境使用谷歌街景图片时。</pgydF4y2Ba> <p>与这一目标,两个不同地区的埃尔切(西班牙)已经选择和谷歌地图的图像取得了这两个领域并存储在两个数据集。每一个数据集将构成地图,随后将使用来估计车辆的位置在地图上通过比较图像被未知的车辆位置与先前存储的图像在每个地图。</pgydF4y2Ba> <p>两组图像的主要特征如下。</pgydF4y2Ba> <statement id="set1"> <title>组1。</tgydF4y2Baitle> <p>集<xgydF4y2Baref ref-type="statement" rid="set1"> 1</xgydF4y2Baref>包括177个完整球面全景图像分辨率一般<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M66"> <mml:mn mathvariant="normal"> 3328年</米米l:mn> <mml:mi> </mml:mi> <mml:mo> ×</米米l:mo> <mml:mi> </mml:mi> <mml:mn mathvariant="normal"> 1664年</米米l:mn> </mml:math> </inline-formula>像素。每个图像覆盖的视野<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M67"> <mml:mrow> <mml:mn mathvariant="normal"> 360年</米米l:mn> </mml:mrow> </mml:math> </inline-formula>在地平面度,垂直180度。图<xgydF4y2Baref ref-type="fig" rid="fig1"> 1</xgydF4y2Baref>每个图像显示了GPS位置被捕(蓝点)和两个例子的全景图像经过预处理过程。此设置对应的网格地形数据库,包含各种各样的街道和开放区域的图片。图像占地约700 m×300 m。</pgydF4y2Ba> </statement> <fig id="fig1"> <label>图1</gydF4y2Balabel> <p>鸟眼的地区被选为图1前定位实验。蓝点代表坐标的图像集<xgydF4y2Baref ref-type="statement" rid="set1"> 1</xgydF4y2Baref>被抓获。后两个例子的谷歌街景图片预处理步骤也会显示出来。</pgydF4y2Ba> <graphic xlink:href="//www.newsama.com/downloads/journals/js/2016/1537891.fig.001"></graphic> </fig> <statement id="set2"> <title>组2。</tgydF4y2Baitle> <p>集<xgydF4y2Baref ref-type="statement" rid="set2"> 2</xgydF4y2Baref>包括144个完整球面全景图像。捕获的图像已经在同一条街上,一个线性拓扑覆盖大约1700米。这些图像的外观是更多的城市。图<xgydF4y2Baref ref-type="fig" rid="fig2"> 2</xgydF4y2Baref>每个图像显示了GPS位置被捕(蓝点)和三个例子的全景图像经过预处理过程。</pgydF4y2Ba> </statement> <fig id="fig2"> <label>图2</gydF4y2Balabel> <p>鸟眼的地区被选为图2前定位实验。蓝点代表坐标的图像集<xgydF4y2Baref ref-type="statement" rid="set2"> 2</xgydF4y2Baref>被抓获。三个例子后,谷歌街景图片的预处理步骤也会显示出来。</pgydF4y2Ba> <graphic xlink:href="//www.newsama.com/downloads/journals/js/2016/1537891.fig.002"></graphic> </fig> <sec id="sec3.1"> <title>3.1。图像预处理和地图创建</tgydF4y2Baitle> <p>由于宽垂直采集系统的视场,天空常常是一个巨大的谷歌街景图片的一部分。这个区域的外观将会非常容易变化时定位过程是在不同的时间进行对地图被捕时一天中不同的时间。考虑到这一事实,一个预处理步骤进行了移除一部分的天空场景。</pgydF4y2Ba> <p>一旦天空的一部分被从所有的场景,图像转换成灰度及其分辨率降低<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M68"> <mml:mn mathvariant="normal"> 512年</米米l:mn> <mml:mo> ×</米米l:mo> <mml:mn mathvariant="normal"> 128年</米米l:mn> </mml:math> </inline-formula>像素,以确保计算算法的可行性。</pgydF4y2Ba> <p>之后,每个图像将被描述使用五个描述方法提出了部分<xgydF4y2Baref ref-type="sec" rid="sec2"> 2</xgydF4y2Baref>。最后,一个地图将提供每图像集和描述方法。每个地图将由每个全景场景的描述符的集合。</pgydF4y2Ba> </sec> <sec id="sec3.2"> <title>3.2。本地化过程</tgydF4y2Baitle> <p>一旦地图,为了评估不同的视觉描述符中引入部分<xgydF4y2Baref ref-type="sec" rid="sec2"> 2</xgydF4y2Baref>为了解决定位问题,我们还利用谷歌街景图片。</pgydF4y2Ba> <p>进行本地化的过程中,首先我们选择一个数据库的图像(命名为<gydF4y2Baitalic> 测试图像</gydF4y2Baitalic>)。在这一刻,这个形象从地图中删除。第二,我们计算测试图像的描述符(使用一节中提出的方法之一<xgydF4y2Baref ref-type="sec" rid="sec2"> 2</xgydF4y2Baref>)和获得之间的距离的描述符描述符和其他图像存储在相应的地图。因此,地图的图片排列从最近的使用与安排标准图像距离最远。</pgydF4y2Ba> <p>定位算法的结果是正确的,如果它返回第一个图片是捕获在地图上点的几何距离测试图像捕获点(与这一目标使用GPS坐标)。我们会将这种情况称为一个正确的定位<gydF4y2Baitalic> 区1</gydF4y2Baitalic>。然而,由于这是一个极具挑战性和限制的问题,这也是有趣知道第一个图像,算法返回被捕的两个几何测试图像捕获点(最近的点<gydF4y2Baitalic> 区2</gydF4y2Baitalic>),甚至在最近的三个几何点(<gydF4y2Baitalic> 区3</gydF4y2Baitalic>)。第一种情况是最理想的,但我们也感兴趣的其他情况下,他们将显示如果算法恢复图像的实际位置的环境(即测试图像。机器人定位算法检测到的区域包围它的实际位置)。</pgydF4y2Ba> <p>重复这个过程对于每个描述方法,使用所有的图像集<xgydF4y2Baref ref-type="statement" rid="set1"> 1</xgydF4y2Baref>和<xgydF4y2Baref ref-type="statement" rid="set2"> 2</xgydF4y2Baref>作为测试图像。总之,之前解释的过程来测试定位方法包括在以下步骤中,为每个图像和描述方法:<gydF4y2Balist> <list-item> <label>(1)</gydF4y2Balabel> </list-item> </list></p> <p>提取一个图像的设置(作为测试图像表示);然后,这个测试图像地图淘汰</pgydF4y2Ba> <list-item> <label>(2)</gydF4y2Balabel> <p>计算测试图像的描述符</pgydF4y2Ba> </list-item> <list-item> <label>(3)</gydF4y2Balabel> <p>这个描述符和地图之间的距离计算描述符,我们命名<gydF4y2Baitalic> 图像的距离</gydF4y2Baitalic></p> </list-item> <list-item> <label>(4)</gydF4y2Balabel> <p>留住最相似的描述符和研究如果它对应于一个图像被捕获的环境测试图像捕获点(<gydF4y2Baitalic> 区1、2、</gydF4y2Baitalic>或<gydF4y2Baitalic> 3</gydF4y2Baitalic>)</pgydF4y2Ba> </list-item> <p></p> <p>因此,下一个数据保留一个单独的测试图片:<gydF4y2Baitalic> 图像的距离</gydF4y2Baitalic>之间的测试图像描述符和最相似的映射描述符,<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M69"> <mml:mrow> <mml:msup> <mml:mrow> <mml:mi> D</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> t</米米l:mi> </mml:mrow> </mml:msup> </mml:mrow> </mml:math> </inline-formula>,定位结果<gydF4y2Baitalic> 区1</gydF4y2Baitalic>(正确或错误的匹配),<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M70"> <mml:mrow> <mml:msubsup> <mml:mrow> <mml:mi> 米</米米l:mi> </mml:mrow> <mml:mrow> <mml:mn mathvariant="normal"> 1</米米l:mn> </mml:mrow> <mml:mrow> <mml:mi> t</米米l:mi> </mml:mrow> </mml:msubsup> </mml:mrow> </mml:math> </inline-formula>,在<gydF4y2Baitalic> 区2</gydF4y2Baitalic>,<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M71"> <mml:mrow> <mml:msubsup> <mml:mrow> <mml:mi> 米</米米l:mi> </mml:mrow> <mml:mrow> <mml:mn mathvariant="normal"> 2</米米l:mn> </mml:mrow> <mml:mrow> <mml:mi mathvariant="normal"> t</米米l:mi> </mml:mrow> </mml:msubsup> </mml:mrow> </mml:math> </inline-formula>,在<gydF4y2Baitalic> 区3</gydF4y2Baitalic>,<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M72"> <mml:mrow> <mml:msubsup> <mml:mrow> <mml:mi> 米</米米l:mi> </mml:mrow> <mml:mrow> <mml:mn mathvariant="normal"> 3</米米l:mn> </mml:mrow> <mml:mrow> <mml:mi> t</米米l:mi> </mml:mrow> </mml:msubsup> </mml:mrow> </mml:math> </inline-formula>。与所有的测试图像重复这个过程后,结果将包括四个向量的维数等于测试图像的数量。第一个向量,<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M73"> <mml:mrow> <mml:mover accent="true"> <mml:mrow> <mml:mi> D</米米l:mi> </mml:mrow> <mml:mo> →</米米l:mo> </mml:mover> </mml:mrow> </mml:math> </inline-formula>,包含了距离,<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M74"> <mml:mrow> <mml:msup> <mml:mrow> <mml:mi> D</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> t</米米l:mi> </mml:mrow> </mml:msup> </mml:mrow> </mml:math> </inline-formula>和其他三个,<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M75"> <mml:mrow> <mml:msub> <mml:mrow> <mml:mover accent="true"> <mml:mrow> <mml:mi> 米</米米l:mi> </mml:mrow> <mml:mo> →</米米l:mo> </mml:mover> </mml:mrow> <mml:mrow> <mml:mn mathvariant="normal"> 1</米米l:mn> </mml:mrow> </mml:msub> </mml:mrow> </mml:math> </inline-formula>,<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M76"> <mml:mrow> <mml:msub> <mml:mrow> <mml:mover accent="true"> <mml:mrow> <mml:mi> 米</米米l:mi> </mml:mrow> <mml:mo> →</米米l:mo> </mml:mover> </mml:mrow> <mml:mrow> <mml:mn mathvariant="normal"> 2</米米l:mn> </mml:mrow> </mml:msub> </mml:mrow> </mml:math> </inline-formula>,<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M77"> <mml:mrow> <mml:msub> <mml:mrow> <mml:mover accent="true"> <mml:mrow> <mml:mi> 米</米米l:mi> </mml:mrow> <mml:mo> →</米米l:mo> </mml:mover> </mml:mrow> <mml:mrow> <mml:mn mathvariant="normal"> 3</米米l:mn> </mml:mrow> </mml:msub> </mml:mrow> </mml:math> </inline-formula>的信息,分别包含正确的或不正确的匹配<gydF4y2Baitalic> 区域1、2、</gydF4y2Baitalic>和<gydF4y2Baitalic> 3</gydF4y2Baitalic>。</pgydF4y2Ba> </sec> </sec> <sec id="sec4"> <title>4所示。评价方法</tgydF4y2Baitle> <p>在这部作品中,通过定位结果表达<gydF4y2Baitalic> 回忆</gydF4y2Baitalic>和<gydF4y2Baitalic> 精度</gydF4y2Baitalic>曲线(<xgydF4y2Baref ref-type="bibr" rid="B14"> 14</xgydF4y2Baref>]。建立向量的分量<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M78"> <mml:mrow> <mml:mover accent="true"> <mml:mrow> <mml:mi> D</米米l:mi> </mml:mrow> <mml:mo> →</米米l:mo> </mml:mover> </mml:mrow> </mml:math> </inline-formula>,<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M79"> <mml:mrow> <mml:msub> <mml:mrow> <mml:mover accent="true"> <mml:mrow> <mml:mi> 米</米米l:mi> </mml:mrow> <mml:mo> →</米米l:mo> </mml:mover> </mml:mrow> <mml:mrow> <mml:mn mathvariant="normal"> 1</米米l:mn> </mml:mrow> </mml:msub> </mml:mrow> </mml:math> </inline-formula>,<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M80"> <mml:mrow> <mml:msub> <mml:mrow> <mml:mover accent="true"> <mml:mrow> <mml:mi> 米</米米l:mi> </mml:mrow> <mml:mo> →</米米l:mo> </mml:mover> </mml:mrow> <mml:mrow> <mml:mn mathvariant="normal"> 2</米米l:mn> </mml:mrow> </mml:msub> </mml:mrow> </mml:math> </inline-formula>,<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M81"> <mml:mrow> <mml:msub> <mml:mrow> <mml:mover accent="true"> <mml:mrow> <mml:mi> 米</米米l:mi> </mml:mrow> <mml:mo> →</米米l:mo> </mml:mover> </mml:mrow> <mml:mrow> <mml:mn mathvariant="normal"> 3</米米l:mn> </mml:mrow> </mml:msub> </mml:mrow> </mml:math> </inline-formula>同样按升序排序的距离,出现在第一个向量。正确和错误匹配的结果排序向量然后用于计算的值<gydF4y2Baitalic> 回忆</gydF4y2Baitalic>和<gydF4y2Baitalic> 精度</gydF4y2Baitalic>。让我们关注比赛的排序向量<gydF4y2Baitalic> 区1</gydF4y2Baitalic>,<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M82"> <mml:mrow> <mml:msubsup> <mml:mrow> <mml:mover accent="true"> <mml:mrow> <mml:mi> 米</米米l:mi> </mml:mrow> <mml:mo> →</米米l:mo> </mml:mover> </mml:mrow> <mml:mrow> <mml:mn mathvariant="normal"> 1</米米l:mn> </mml:mrow> <mml:mrow> <mml:mi> 年代</米米l:mi> </mml:mrow> </mml:msubsup> </mml:mrow> </mml:math> </inline-formula>。首先,在这个向量,为每个组件<gydF4y2Baitalic> 回忆</gydF4y2Baitalic>随着正确数量的匹配计算获得了到目前为止对测试图像的总数。第二,在相同的向量,每个组件<gydF4y2Baitalic> 精度</gydF4y2Baitalic>得到正确的数量匹配获得迄今为止对测试图像的数量被认为是到目前为止。然后,与这些向量中包含的信息<gydF4y2Baitalic> 精度和召回</gydF4y2Baitalic>曲线是建立相应的本地化<gydF4y2Baitalic> 区1</gydF4y2Baitalic>。这是重复的排序向量<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M83"> <mml:mrow> <mml:msubsup> <mml:mrow> <mml:mover accent="true"> <mml:mrow> <mml:mi> 米</米米l:mi> </mml:mrow> <mml:mo> →</米米l:mo> </mml:mover> </mml:mrow> <mml:mrow> <mml:mn mathvariant="normal"> 2</米米l:mn> </mml:mrow> <mml:mrow> <mml:mi> 年代</米米l:mi> </mml:mrow> </mml:msubsup> </mml:mrow> </mml:math> </inline-formula>和<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M84"> <mml:mrow> <mml:msubsup> <mml:mrow> <mml:mover accent="true"> <mml:mrow> <mml:mi> 米</米米l:mi> </mml:mrow> <mml:mo> →</米米l:mo> </mml:mover> </mml:mrow> <mml:mrow> <mml:mn mathvariant="normal"> 3</米米l:mn> </mml:mrow> <mml:mrow> <mml:mi> 年代</米米l:mi> </mml:mrow> </mml:msubsup> </mml:mrow> </mml:math> </inline-formula>获取定位结果<gydF4y2Baitalic> 区2</gydF4y2Baitalic>和<gydF4y2Baitalic> 区3</gydF4y2Baitalic>。</pgydF4y2Ba> <p>在我们的实验中,这种类型的图最重要的信息是最后一点,因为它显示了全球实验结果(最后的精度在考虑所有测试图像)。然而,可以从中提取额外的相关信息,因为图还显示了定位算法的能力找到正确的匹配,同时考虑一个特定的<gydF4y2Baitalic> 图像的距离</gydF4y2Baitalic>阈值。在前款规定的解释,结果已经安排考虑距离的提升价值。考虑到它,随着回忆的增加,阈值也。出于这个原因,的演变<gydF4y2Baitalic> recall-precision</gydF4y2Baitalic>曲线包含信息的鲁棒性算法对一个特定的<gydF4y2Baitalic> 图像的距离</gydF4y2Baitalic>阈值。如果<gydF4y2Baitalic> 精度</gydF4y2Baitalic>值维持在高位,独立的<gydF4y2Baitalic> 回忆</gydF4y2Baitalic>,这表明较低的存在许多错误的结果在这个距离阈值。图<xgydF4y2Baref ref-type="fig" rid="fig3"> 3</xgydF4y2Baref>显示了两个样品<gydF4y2Baitalic> recall-precision</gydF4y2Baitalic>曲线获得后运行所有的测试图像的定位算法和两种不同的描述方法,考虑<gydF4y2Baitalic> 区1</gydF4y2Baitalic>。两个曲线显示类似的决赛<gydF4y2Baitalic> 精度</gydF4y2Baitalic>之间的值,<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M85"> <mml:mrow> <mml:mn mathvariant="normal"> 0.6</米米l:mn> </mml:mrow> </mml:math> </inline-formula>和<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M86"> <mml:mrow> <mml:mn mathvariant="normal"> 0.65</米米l:mn> </mml:mrow> </mml:math> </inline-formula>。然而,演进呈现出不同的行为。作为一个例子,如果我们认为阈值距离相关<gydF4y2Baitalic> 回忆</gydF4y2Baitalic>= 0.25,根据图表,描述符1的精度是100%,但是描述符2的精度是90%。这意味着,考虑所选择的<gydF4y2Baitalic> 图像的距离</gydF4y2Baitalic>阈值,25%的正确的本地化实现100%的概率使用描述符1和2 90%的概率使用描述符。本研究可进行考虑的任何值<gydF4y2Baitalic> 图像的距离</gydF4y2Baitalic>阈值。</pgydF4y2Ba> <fig id="fig3"> <label>图3</gydF4y2Balabel> <p>两个示例<gydF4y2Baitalic> recall-precision</gydF4y2Baitalic>图进行定位实验后获得两种不同描述方法。</pgydF4y2Ba> <graphic xlink:href="//www.newsama.com/downloads/journals/js/2016/1537891.fig.003"></graphic> </fig> <p>在运行算法之前,需要定义<gydF4y2Baitalic> 图像的距离</gydF4y2Baitalic>。我们使用两个不同的距离措施取决于所使用的描述符。</pgydF4y2Ba> <p>首先,在基于功能特性的方法(SURF-Harris)的情况下,有必要提取兴趣点之前描述的外观形象。我们建议使用哈里斯角落探测器(<xgydF4y2Baref ref-type="bibr" rid="B16"> 16</xgydF4y2Baref>从全景图像中提取视觉地标。之后,每个兴趣点描述使用标准的冲浪。比较测试图像与地图图像,首先我们从图像兴趣点提取和描述。在那之后,这些点进行匹配的过程。点检测在测试图像,捕获与特定车辆的位置和姿态,在地图上搜索图像。的性能匹配方法不是本文的范围;我们只使用它作为一个工具。一旦匹配过程进行了,我们评估的性能描述符考虑匹配点的数量,这样我们将考虑最近的形象呈现更多的匹配点与测试图像。更简洁,我们计算测试图像之间的距离<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M87"> <mml:mrow> <mml:mi> t</米米l:mi> </mml:mrow> </mml:math> </inline-formula>和任何其他的图像地图<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M88"> <mml:mrow> <mml:mi> j</米米l:mi> </mml:mrow> </mml:math> </inline-formula>作为<dgydF4y2Baisp-formula> <mml:math display="block" xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M89"> <mml:mtable> <mml:mlabeledtr id="EEq4"> <mml:mtd> <mml:mtext> (3)</米米l:mtext> </mml:mtd> <mml:mtd> <mml:msubsup> <mml:mrow> <mml:mi> D</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi mathvariant="normal"> f</米米l:mi> <mml:mi mathvariant="normal"> e</米米l:mi> <mml:mi mathvariant="normal"> 一个</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> t</米米l:mi> <mml:mi> j</米米l:mi> </mml:mrow> </mml:msubsup> <mml:mo> =</米米l:mo> <mml:mn mathvariant="normal"> 1</米米l:mn> <mml:mo> - - - - - -</米米l:mo> <mml:mfenced separators="|"> <mml:mrow> <mml:mfrac> <mml:mrow> <mml:mi> N</米米l:mi> <mml:msup> <mml:mrow> <mml:mi> 米</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> t</米米l:mi> <mml:mi> j</米米l:mi> </mml:mrow> </mml:msup> </mml:mrow> <mml:mrow> <mml:mrow> <mml:mrow> <mml:msub> <mml:mrow> <mml:mi mathvariant="normal"> 马克斯</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> j</米米l:mi> </mml:mrow> </mml:msub> </mml:mrow> <mml:mo> ⁡</米米l:mo> <mml:mrow> <mml:mfenced separators="" open="(" close=")"> <mml:mrow> <mml:mover accent="true"> <mml:mrow> <mml:msup> <mml:mrow> <mml:mi> N</米米l:mi> <mml:mi> 米</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> t</米米l:mi> </mml:mrow> </mml:msup> </mml:mrow> <mml:mo> →</米米l:mo> </mml:mover> </mml:mrow> </mml:mfenced> </mml:mrow> </mml:mrow> </mml:mrow> </mml:mfrac> </mml:mrow> </mml:mfenced> <mml:mo> ,</米米l:mo> </mml:mtd> </mml:mlabeledtr> </mml:mtable> </mml:math> </disp-formula>在哪里<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M90"> <mml:mrow> <mml:msup> <mml:mrow> <mml:mi> N</米米l:mi> <mml:mi> 米</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> t</米米l:mi> <mml:mi> j</米米l:mi> </mml:mrow> </mml:msup> </mml:mrow> </mml:math> </inline-formula>数字图像之间的匹配吗<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M91"> <mml:mrow> <mml:mi> t</米米l:mi> </mml:mrow> </mml:math> </inline-formula>和<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M92"> <mml:mrow> <mml:mi> j</米米l:mi> </mml:mrow> </mml:math> </inline-formula>,<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M93"> <mml:mover accent="true"> <mml:mrow> <mml:msup> <mml:mrow> <mml:mi> N</米米l:mi> <mml:mi> 米</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> t</米米l:mi> </mml:mrow> </mml:msup> </mml:mrow> <mml:mo> →</米米l:mo> </mml:mover> <mml:mo> =</米米l:mo> <mml:mo stretchy="false"> (</米米l:mo> <mml:msup> <mml:mrow> <mml:mi> N</米米l:mi> <mml:mi> 米</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> t</米米l:mi> <mml:mn mathvariant="normal"> 1</米米l:mn> </mml:mrow> </mml:msup> <mml:mo> ,</米米l:mo> <mml:mo> …</米米l:mo> <mml:mo> ,</米米l:mo> <mml:msup> <mml:mrow> <mml:mi> N</米米l:mi> <mml:mi> 米</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> t</米米l:mi> <mml:msub> <mml:mrow> <mml:mi> n</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi mathvariant="normal"> 米</米米l:mi> <mml:mi mathvariant="normal"> 一个</米米l:mi> <mml:mi mathvariant="normal"> p</米米l:mi> </mml:mrow> </mml:msub> </mml:mrow> </mml:msup> <mml:mo stretchy="false"> ]</米米l:mo> </mml:math> </inline-formula>是一个向量,其中包含图像之间匹配的数量<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M94"> <mml:mrow> <mml:mi> t</米米l:mi> </mml:mrow> </mml:math> </inline-formula>和地图的每一个图像<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M95"> <mml:mrow> <mml:msub> <mml:mrow> <mml:mi> n</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi mathvariant="normal"> 米</米米l:mi> <mml:mi mathvariant="normal"> 一个</米米l:mi> <mml:mi mathvariant="normal"> p</米米l:mi> </mml:mrow> </mml:msub> </mml:mrow> </mml:math> </inline-formula>在地图图像的数量。</pgydF4y2Ba> <p>其次,对于外貌的方法(二维DFT、FS、<gydF4y2Baitalic> 要点,</gydF4y2Baitalic>和猪),没有本地信息需要从图像中提取。相反,相比整个图像的外观。这种方式,测试的全局描述符计算图像之间的距离,地图图像的描述符。在这种情况下,使用欧氏距离定义<dgydF4y2Baisp-formula> <mml:math display="block" xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M96"> <mml:mtable> <mml:mlabeledtr id="EEq5"> <mml:mtd> <mml:mtext> (4)</米米l:mtext> </mml:mtd> <mml:mtd> <mml:msubsup> <mml:mrow> <mml:mi> D</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> E</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> t</米米l:mi> <mml:mi> j</米米l:mi> </mml:mrow> </mml:msubsup> <mml:mo> =</米米l:mo> <mml:msqrt> <mml:mrow> <mml:munderover> <mml:mstyle displaystyle="true"> <mml:mo stretchy="false"> ∑</米米l:mo> </mml:mstyle> <mml:mrow> <mml:mi> 米</米米l:mi> <mml:mo> =</米米l:mo> <mml:mn mathvariant="normal"> 1</米米l:mn> </mml:mrow> <mml:mrow> <mml:mi> 米</米米l:mi> </mml:mrow> </mml:munderover> <mml:mrow> <mml:msup> <mml:mrow> <mml:mfenced separators="|"> <mml:mrow> <mml:msubsup> <mml:mrow> <mml:mover accent="true"> <mml:mrow> <mml:mi> d</米米l:mi> </mml:mrow> <mml:mo> →</米米l:mo> </mml:mover> </mml:mrow> <mml:mrow> <mml:mi> t</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> 米</米米l:mi> </mml:mrow> </mml:msubsup> <mml:mo> - - - - - -</米米l:mo> <mml:msubsup> <mml:mrow> <mml:mover accent="true"> <mml:mrow> <mml:mi> d</米米l:mi> </mml:mrow> <mml:mo> →</米米l:mo> </mml:mover> </mml:mrow> <mml:mrow> <mml:mi> j</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> 米</米米l:mi> </mml:mrow> </mml:msubsup> </mml:mrow> </mml:mfenced> </mml:mrow> <mml:mrow> <mml:mn mathvariant="normal"> 2</米米l:mn> </mml:mrow> </mml:msup> </mml:mrow> </mml:mrow> </mml:msqrt> <mml:mo> ,</米米l:mo> </mml:mtd> </mml:mlabeledtr> </mml:mtable> </mml:math> </disp-formula>在哪里<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M97"> <mml:mrow> <mml:msub> <mml:mrow> <mml:mover accent="true"> <mml:mrow> <mml:mi> d</米米l:mi> </mml:mrow> <mml:mo> →</米米l:mo> </mml:mover> </mml:mrow> <mml:mrow> <mml:mi> t</米米l:mi> </mml:mrow> </mml:msub> </mml:mrow> </mml:math> </inline-formula>测试图像的描述符吗<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M98"> <mml:mrow> <mml:mi> t</米米l:mi> </mml:mrow> </mml:math> </inline-formula>,<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M99"> <mml:mrow> <mml:msub> <mml:mrow> <mml:mover accent="true"> <mml:mrow> <mml:mi> d</米米l:mi> </mml:mrow> <mml:mo> →</米米l:mo> </mml:mover> </mml:mrow> <mml:mrow> <mml:mi> j</米米l:mi> </mml:mrow> </mml:msub> </mml:mrow> </mml:math> </inline-formula>地图图像的描述符吗<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M100"> <mml:mrow> <mml:mi> j</米米l:mi> </mml:mrow> </mml:math> </inline-formula>,<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M101"> <mml:mrow> <mml:mi> 米</米米l:mi> </mml:mrow> </mml:math> </inline-formula>描述符的大小。这个距离是归一化得到最终的图像之间的距离<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M102"> <mml:mrow> <mml:mi> t</米米l:mi> </mml:mrow> </mml:math> </inline-formula>和<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M103"> <mml:mrow> <mml:mi> j</米米l:mi> </mml:mrow> </mml:math> </inline-formula>根据下一个表达式:<dgydF4y2Baisp-formula> <mml:math display="block" xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M104"> <mml:mtable> <mml:mlabeledtr id="EEq6"> <mml:mtd> <mml:mtext> (5)</米米l:mtext> </mml:mtd> <mml:mtd> <mml:msubsup> <mml:mrow> <mml:mi> D</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi mathvariant="normal"> 一个</米米l:mi> <mml:mi mathvariant="normal"> p</米米l:mi> <mml:mi mathvariant="normal"> p</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> t</米米l:mi> <mml:mi> j</米米l:mi> </mml:mrow> </mml:msubsup> <mml:mo> =</米米l:mo> <mml:mfrac> <mml:mrow> <mml:msubsup> <mml:mrow> <mml:mi> D</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> E</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> t</米米l:mi> <mml:mi> j</米米l:mi> </mml:mrow> </mml:msubsup> </mml:mrow> <mml:mrow> <mml:mrow> <mml:mrow> <mml:msub> <mml:mrow> <mml:mi mathvariant="normal"> 马克斯</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> j</米米l:mi> </mml:mrow> </mml:msub> </mml:mrow> <mml:mo> ⁡</米米l:mo> <mml:mrow> <mml:mfenced separators="" open="(" close=")"> <mml:mrow> <mml:msubsup> <mml:mrow> <mml:mover accent="true"> <mml:mrow> <mml:mi> D</米米l:mi> </mml:mrow> <mml:mo> →</米米l:mo> </mml:mover> </mml:mrow> <mml:mrow> <mml:mi> E</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> t</米米l:mi> </mml:mrow> </mml:msubsup> </mml:mrow> </mml:mfenced> </mml:mrow> </mml:mrow> </mml:mrow> </mml:mfrac> <mml:mo> ,</米米l:mo> </mml:mtd> </mml:mlabeledtr> </mml:mtable> </mml:math> </disp-formula>在哪里<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M105"> <mml:mrow> <mml:msubsup> <mml:mrow> <mml:mi> D</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> E</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> t</米米l:mi> <mml:mi> j</米米l:mi> </mml:mrow> </mml:msubsup> </mml:mrow> </mml:math> </inline-formula>是测试的描述符之间的欧几里得距离形象吗<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M106"> <mml:mrow> <mml:mi> t</米米l:mi> </mml:mrow> </mml:math> </inline-formula>和地图图像<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M107"> <mml:mrow> <mml:mi> j</米米l:mi> </mml:mrow> </mml:math> </inline-formula>,<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M108"> <mml:msubsup> <mml:mrow> <mml:mover accent="true"> <mml:mrow> <mml:mi> D</米米l:mi> </mml:mrow> <mml:mo> →</米米l:mo> </mml:mover> </mml:mrow> <mml:mrow> <mml:mi> E</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> t</米米l:mi> </mml:mrow> </mml:msubsup> <mml:mo> =</米米l:mo> <mml:mo stretchy="false"> (</米米l:mo> <mml:msubsup> <mml:mrow> <mml:mi> D</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> E</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> t</米米l:mi> <mml:mn mathvariant="normal"> 1</米米l:mn> </mml:mrow> </mml:msubsup> <mml:mo> ,</米米l:mo> <mml:mo> …</米米l:mo> <mml:mo> ,</米米l:mo> <mml:msubsup> <mml:mrow> <mml:mi> D</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> E</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> t</米米l:mi> <mml:msub> <mml:mrow> <mml:mi> n</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi mathvariant="normal"> 米</米米l:mi> <mml:mi mathvariant="normal"> 一个</米米l:mi> <mml:mi mathvariant="normal"> p</米米l:mi> </mml:mrow> </mml:msub> </mml:mrow> </mml:msubsup> <mml:mo stretchy="false"> ]</米米l:mo> </mml:math> </inline-formula>是一个向量,其中包含图像的描述符之间的欧几里得距离<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M109"> <mml:mrow> <mml:mi> t</米米l:mi> </mml:mrow> </mml:math> </inline-formula>和所有的图像地图<gydF4y2Bainline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M110"> <mml:mrow> <mml:msub> <mml:mrow> <mml:mi> n</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi mathvariant="normal"> 米</米米l:mi> <mml:mi mathvariant="normal"> 一个</米米l:mi> <mml:mi mathvariant="normal"> p</米米l:mi> </mml:mrow> </mml:msub> </mml:mrow> </mml:math> </inline-formula>在地图图像的数量。</pgydF4y2Ba> <p>需要注意的是,该算法必须能够估计机器人的位置精度,但同样重要的是,计算成本是足够的,知道是否可行的实时解决问题。估计计算成本,我们有计算,考虑两个地图在实验中,必要的时间来计算每个测试图像的描述符,来计算距离映射描述符和检测最相似的描述符。我们必须考虑到所有地图图像的描述符计算定位前,在一个离线的过程。除了时间,我们也估计所需的内存来存储每个图像描述符。</pgydF4y2Ba> <p>完成,我们也建议研究的关系<gydF4y2Baitalic> 两个图像描述符之间的距离</gydF4y2Baitalic>与<gydF4y2Baitalic> 几何这两个图像的捕捉点之间的距离</gydF4y2Baitalic>。理想情况下,描述符之间的距离必须增加捕捉点之间的几何距离(即。,它必须不存在任何局部最小值)。这些信息很有趣的应用,如地图构建,机器人必须能够建立一个地图上的什么地方使用作为输入信息只有图像描述符之间的距离。同样重要的是当它是必要的来估计车辆的位置在中间点在网格内的地图。此外,它可能有助于检测的问题<gydF4y2Baitalic> 视觉混叠</gydF4y2Baitalic>(即存在的环境。,two zones which are geometrically far may present a similar visual appearance, which might lead to errors in the mapping and localization process).</p> </sec> <sec id="sec5"> <title>5。实验结果</tgydF4y2Baitle> <p>正如在前一节中提到的,建立的目的与每个描述符正确定位机器人的能力(或车辆),我们已经建立了<gydF4y2Baitalic> recall-precision</gydF4y2Baitalic>曲线反映了每个实验的结果。图<xgydF4y2Baref ref-type="fig" rid="fig4"> 4</xgydF4y2Baref>显示了这个图形表示使用(a)的第一和第二组(b)(表示图像集<xgydF4y2Baref ref-type="statement" rid="set1"> 1</xgydF4y2Baref>和<xgydF4y2Baref ref-type="statement" rid="set2"> 2</xgydF4y2Baref>在前面部分)。建造这个图中,我们考虑定位结果<gydF4y2Baitalic> 区1</gydF4y2Baitalic>。这种方式,图中显示的能力正确定位算法来检测图像的映射被接近测试图像。这是最严格的。</pgydF4y2Ba> <fig-group id="fig4"> <label>图4</gydF4y2Balabel> <p>定位算法的结果考虑正确的匹配<gydF4y2Baitalic> 区1</gydF4y2Baitalic>使用(一套)<xgydF4y2Baref ref-type="statement" rid="set1"> 1</xgydF4y2Baref>和(b)组<xgydF4y2Baref ref-type="statement" rid="set2"> 2</xgydF4y2Baref>。每个描述方法的结果显示为不同recall-precision曲线。</pgydF4y2Ba> <fig id="fig4a"> <label>(一)</gydF4y2Balabel> <graphic xlink:href="//www.newsama.com/downloads/journals/js/2016/1537891.fig.004a"></graphic> </fig> <fig id="fig4b"> <label>(b)</gydF4y2Balabel> <graphic xlink:href="//www.newsama.com/downloads/journals/js/2016/1537891.fig.004b"></graphic> </fig> </fig-group> <p>除了它之外,定位算法的性能<gydF4y2Baitalic> 区域2</gydF4y2Baitalic>和<gydF4y2Baitalic> 3</gydF4y2Baitalic>也被研究过。这种方式,图<xgydF4y2Baref ref-type="fig" rid="fig5"> 5</xgydF4y2Baref>显示本地化过程的结果<gydF4y2Baitalic> 区2</gydF4y2Baitalic>使用(一套)<xgydF4y2Baref ref-type="statement" rid="set1"> 1</xgydF4y2Baref>和(b)组<xgydF4y2Baref ref-type="statement" rid="set2"> 2</xgydF4y2Baref>。最后,图<xgydF4y2Baref ref-type="fig" rid="fig6"> 6</xgydF4y2Baref>显示定位结果<gydF4y2Baitalic> 区3</gydF4y2Baitalic>使用(一套)<xgydF4y2Baref ref-type="statement" rid="set1"> 1</xgydF4y2Baref>和(b)组<xgydF4y2Baref ref-type="statement" rid="set2"> 2</xgydF4y2Baref>。这是最少受限制的情况下在三个研究。</pgydF4y2Ba> <fig-group id="fig5"> <label>图5</gydF4y2Balabel> <p>定位算法的结果考虑正确的匹配<gydF4y2Baitalic> 区2</gydF4y2Baitalic>使用(一套)<xgydF4y2Baref ref-type="statement" rid="set1"> 1</xgydF4y2Baref>和(b)组<xgydF4y2Baref ref-type="statement" rid="set2"> 2</xgydF4y2Baref>。每个描述方法的结果显示为不同recall-precision曲线。</pgydF4y2Ba> <fig id="fig5a"> <label>(一)</gydF4y2Balabel> <graphic xlink:href="//www.newsama.com/downloads/journals/js/2016/1537891.fig.005a"></graphic> </fig> <fig id="fig5b"> <label>(b)</gydF4y2Balabel> <graphic xlink:href="//www.newsama.com/downloads/journals/js/2016/1537891.fig.005b"></graphic> </fig> </fig-group> <fig-group id="fig6"> <label>图6</gydF4y2Balabel> <p>定位算法的结果考虑正确的匹配<gydF4y2Baitalic> 区3</gydF4y2Baitalic>使用(一套)<xgydF4y2Baref ref-type="statement" rid="set1"> 1</xgydF4y2Baref>和(b)组<xgydF4y2Baref ref-type="statement" rid="set2"> 2</xgydF4y2Baref>。每个描述方法的结果显示为不同recall-precision曲线。</pgydF4y2Ba> <fig id="fig6a"> <label>(一)</gydF4y2Balabel> <graphic xlink:href="//www.newsama.com/downloads/journals/js/2016/1537891.fig.006a"></graphic> </fig> <fig id="fig6b"> <label>(b)</gydF4y2Balabel> <graphic xlink:href="//www.newsama.com/downloads/journals/js/2016/1537891.fig.006b"></graphic> </fig> </fig-group> <p>在所有情况下,结果表明:SURF-Harris描述符提供了一个相对更好的性能比较其他描述符,在准确性和使用这两种图像集。至于方法基于全球外观而言,猪的好行为可以突出显示。的本地化<gydF4y2Baitalic> 区2</gydF4y2Baitalic>它集的精度达到60%和50%<xgydF4y2Baref ref-type="statement" rid="set1"> 1</xgydF4y2Baref>和<xgydF4y2Baref ref-type="statement" rid="set2"> 2</xgydF4y2Baref>,分别。这些结果可以被认为是相对较好,考虑到这一事实本地化过程以绝对的方式(即解决。,we consider that no information about the previous position of the robot is available and the test image is compared with all the images stored in the data sets). In a real application, it is usual to make use of any kind of probabilistic algorithm to estimate the position of the robot taking into account its previous estimated position. This is expected to provide a higher accuracy. We expect to develop this type of algorithms and tests in a future work.</p> <p>一些额外的结论可以通过比较方法在开放区域的性能(集<xgydF4y2Baref ref-type="statement" rid="set1"> 1</xgydF4y2Baref>)和城市地区(集<xgydF4y2Baref ref-type="statement" rid="set2"> 2</xgydF4y2Baref>)。在开放地区,SURF-Harris的性能,猪,<gydF4y2Baitalic> 要点</gydF4y2Baitalic>非常相似,在所有情况下,相对较好和基于离散傅里叶变换的方法往往会出现更糟的结果。然而,在城市地区,SURF-Harris优于其他方法,<gydF4y2Baitalic> 要点</gydF4y2Baitalic>最坏的结果是礼物。</pgydF4y2Ba> <p>除了定位精度,同样重要的是研究过程的计算成本,因为在一个真正的实时应用程序必须运行,随着机器人穿越环境。通过这种方式,我们在所有情况下都得到必要的时间来计算描述符测试图像的一方面和比较它与描述符存储在地图,发现最相似的描述符,另一方面分析结果。本地化过程的平均计算时间在考虑所有的测试图像显示在表中<xgydF4y2Baref ref-type="table" rid="tab1"> 1</xgydF4y2Baref>。获得的结果表,使用Matlab实现的算法。</pgydF4y2Ba> <table-wrap id="tab1"> <label>表1</gydF4y2Balabel> <p>平均计算成本的描述算法研究,每个测试图像。对于每个描述方法和数据集,表显示第一个必要的时间来获取测试图像描述符和第二时间比较它与地图的描述符和获得最终的定位结果。</pgydF4y2Ba> <table> <thead> <tr> <th align="left"></th> <th align="center">二维傅里叶</thgydF4y2Ba> <th align="center">傅里叶签名</thgydF4y2Ba> <th align="center"> <italic> 要点</gydF4y2Baitalic></th> <th align="center">猪</thgydF4y2Ba> <th align="center">SURF-Harris</thgydF4y2Ba> </tr> </thead> <tbody> <tr> <td align="left">数据集<xgydF4y2Baref ref-type="statement" rid="set1"> 1</xgydF4y2Baref>描述符</tdgydF4y2Ba> <td align="center">0.0087秒</tdgydF4y2Ba> <td align="center">0.0080秒</tdgydF4y2Ba> <td align="center">0.4886秒</tdgydF4y2Ba> <td align="center">0.0608秒</tdgydF4y2Ba> <td align="center">0.5542秒</tdgydF4y2Ba> </tr> <tr> <td align="left">数据集<xgydF4y2Baref ref-type="statement" rid="set1"> 1</xgydF4y2Baref>匹配</tdgydF4y2Ba> <td align="center">0.0015秒</tdgydF4y2Ba> <td align="center">0.0058秒</tdgydF4y2Ba> <td align="center">0.0006秒</tdgydF4y2Ba> <td align="center">0.0008秒</tdgydF4y2Ba> <td align="center">25.8085秒</tdgydF4y2Ba> </tr> <tr> <td align="left">数据集<xgydF4y2Baref ref-type="statement" rid="set2"> 2</xgydF4y2Baref>描述符</tdgydF4y2Ba> <td align="center">0.0085秒</tdgydF4y2Ba> <td align="center">0.0079秒</tdgydF4y2Ba> <td align="center">0.4828秒</tdgydF4y2Ba> <td align="center">0.0621秒</tdgydF4y2Ba> <td align="center">0.5389秒</tdgydF4y2Ba> </tr> <tr> <td align="left">数据集<xgydF4y2Baref ref-type="statement" rid="set2"> 2</xgydF4y2Baref>匹配</tdgydF4y2Ba> <td align="center">0.0012秒</tdgydF4y2Ba> <td align="center">0.0047秒</tdgydF4y2Ba> <td align="center">0.0005秒</tdgydF4y2Ba> <td align="center">0.0006秒</tdgydF4y2Ba> <td align="center">19.3931秒</tdgydF4y2Ba> </tr> </tbody> </table> </table-wrap> <p>关于计算成本,基于傅里叶变换的方法明显比其他人更快,而SURF-Harris提出了相当高的计算成本。对必要的时间来比较两个描述符,<gydF4y2Baitalic> 要点</gydF4y2Baitalic>和猪是最快的方法。对于SURF-Harris,蛮力匹配方法实现的结果在一个相对较高的计算成本。这种方法已被选为做一个齐次比较与其他global-appearance方法。然而,在实际实现中,基于bag-of-words方法(<xgydF4y2Baref ref-type="bibr" rid="B23"> 23</xgydF4y2Baref>将改进算法的计算效率。</pgydF4y2Ba> <p>最后,我们获得的平均内存大小需要存储每个描述符。结果如表所示<xgydF4y2Baref ref-type="table" rid="tab2"> 2</xgydF4y2Baref>。<gydF4y2Baitalic> 要点</gydF4y2Baitalic>是最紧凑的描述符(它能够显著压缩每个场景中的信息)而SURF-Harris需要更多的内存大小。</pgydF4y2Ba> <table-wrap id="tab2"> <label>表2</gydF4y2Balabel> <p>必要的内存来存储每个描述符。</pgydF4y2Ba> <table> <thead> <tr> <th align="left"></th> <th align="center">二维傅里叶</thgydF4y2Ba> <th align="center">傅里叶签名</thgydF4y2Ba> <th align="center"> <italic> 要点</gydF4y2Baitalic></th> <th align="center">猪</thgydF4y2Ba> <th align="center">SURF-Harris</thgydF4y2Ba> </tr> </thead> <tbody> <tr> <td align="left">描述符</tdgydF4y2Ba> <td align="center">16384个字节</tdgydF4y2Ba> <td align="center">32768个字节</tdgydF4y2Ba> <td align="center">4096个字节</tdgydF4y2Ba> <td align="center">8192个字节</tdgydF4y2Ba> <td align="center">110400个字节</tdgydF4y2Ba> </tr> </tbody> </table> </table-wrap> <p>考虑这些结果会同定位的精度,我们可以说SURF-Harris描述符显示了非常好的结果在定位精度但其计算成本使其不可行的解决实际的应用程序。猪,这是第二次在准确性方面,也有一个很好的计算成本,所以我们认为这有趣的研究更彻底地描述符是未来工作和实现更高级版本的这个方法来优化精度。同样,其他类型的距离比较图像也可以研究,除了欧氏距离。出于同样的原因,我们也考虑适当的检查更彻底<gydF4y2Baitalic> 要点</gydF4y2Baitalic>描述符,以及使用其他方法来提取<gydF4y2Baitalic> 要点</gydF4y2Baitalic>现场除了定位信息(例如,从颜色信息)。</pgydF4y2Ba> <p>最后一个实验,我们研究了关系<gydF4y2Baitalic> 两个图像描述符之间的距离</gydF4y2Baitalic>与<gydF4y2Baitalic> 几何这两个图像的捕捉点之间的距离</gydF4y2Baitalic>。如上所述的开头部分,这些信息是非常有趣的在某些应用,如建筑的地图图片,与几何精度,或车辆的定位在中途点的网格地图。重要的是描述符之间的距离随着几何距离。图<xgydF4y2Baref ref-type="fig" rid="fig7"> 7</xgydF4y2Baref>使用(一个)显示了结果<xgydF4y2Baref ref-type="statement" rid="set1"> 1</xgydF4y2Baref>和(b)组<xgydF4y2Baref ref-type="statement" rid="set2"> 2</xgydF4y2Baref>。获得这些数据,图像被设置为一个参考图像和参考图像描述符之间的距离和其他描述符计算。图中显示这个距离与捕获点之间的几何距离的图像和参考图像的捕捉点。在这两种情况下,这种关系是单调递增的几何距离约100米。从这一点它倾向于稳定和相对较高的方差。稳定的例外是局部特征描述符,最后从一个非常小的几何距离值。然而,外貌的描述符表现出更多的线性行为在每个图像。</pgydF4y2Ba> <fig-group id="fig7"> <label>图7</gydF4y2Balabel> <p>的关系<gydF4y2Baitalic> 两个图像描述符之间的距离</gydF4y2Baitalic>与<gydF4y2Baitalic> 几何这两个图像的捕捉点之间的距离</gydF4y2Baitalic>使用(一套)<xgydF4y2Baref ref-type="statement" rid="set1"> 1</xgydF4y2Baref>和(b)组<xgydF4y2Baref ref-type="statement" rid="set2"> 2</xgydF4y2Baref>。</pgydF4y2Ba> <fig id="fig7a"> <label>(一)</gydF4y2Balabel> <graphic xlink:href="//www.newsama.com/downloads/journals/js/2016/1537891.fig.007a"></graphic> </fig> <fig id="fig7b"> <label>(b)</gydF4y2Balabel> <graphic xlink:href="//www.newsama.com/downloads/journals/js/2016/1537891.fig.007b"></graphic> </fig> </fig-group> </sec> <sec id="sec6"> <title>6。结论和未来的工作</tgydF4y2Baitle> <p>在这篇文章中,我们已经进行了比较评价的几个场景的描述方法,考虑到这些方法的性能准确解决问题绝对定位在一个大的真正的户外环境。我们两种不同的方法评估的视觉描述符,局部特征描述符(SURF-Harris)和global-appearance描述符(2 d离散傅里叶变换,傅里叶签名,猪,和<gydF4y2Baitalic> 要点</gydF4y2Baitalic>)。</pgydF4y2Ba> <p>所有的测试已经进行了谷歌街景的照片,在现实条件下捕获。两个城市的不同地区被认为是一个开放的区域和纯粹的城市狭窄的街道。每个区域的捕捉点呈现不同的地形。第一个是网格地图覆盖几个街道和途径和第二个线性映射(即。捕获的图像,当移动穿过一个线性路径在一个狭窄的街道)。</pgydF4y2Ba> <p>一些不同的研究一直在进行。首先,我们已经评估的准确性本地化过程。要做到这一点,<gydF4y2Baitalic> 查全率和查准率</gydF4y2Baitalic>曲线已经计算比较每个描述方法的性能。我们的阴谋<gydF4y2Baitalic> 查全率和查准率</gydF4y2Baitalic>曲线为这两个方面,考虑到不同程度的准确性考虑,定位结果是正确的。在这些实验中,本地化过程的计算成本也被分析。</pgydF4y2Ba> <p>我们还研究了每个描述符的行为的描述符之间距离比较几何距离图像捕获点。要做到这一点,我们绘制一条曲线代表描述符之间的距离和几何距离捕获点。这个措施执行导航任务是非常有用的,因为多亏了它,我们可以估计的范围使用描述符。</pgydF4y2Ba> <p>值得注意的是,SURF-Harris描述符是最合适的描述符的定位精度,但它呈现了一个较小的区域工作的描述符之间的欧氏距离。猪描述符显示一个相对良好的性能解决定位问题,提出了一种良好的反应描述符之间的距离和几何距离捕获点。如果我们分析联合这两个实验的结果,考虑计算成本(表<xgydF4y2Baref ref-type="table" rid="tab1"> 1</xgydF4y2Baref>和<xgydF4y2Baref ref-type="table" rid="tab2"> 2</xgydF4y2Baref>),我们的结论是,虽然SURF-Harris描述符提供了最好的结果的查全率和查准率曲线,它不允许我们在实时工作。因此,考虑到猪的描述符是礼物第二最好的结果的查全率和查准率曲线和允许我们在实时工作,我们可以得出结论,猪是最合适的描述符。</pgydF4y2Ba> <p>我们计划扩展这项工作(a)捕获一个真正的户外旅行轨迹沿着几个街道和捕获全向图像使用反射折射的视觉系统,(b)将该视觉系统提供的信息和谷歌街景的照片,和(c)评估性能最好的描述符概率定位过程。</pgydF4y2Ba> </sec> <back> <sec> <title>相互竞争的利益</tgydF4y2Baitle> <p>作者宣称没有利益冲突。</pgydF4y2Ba> </sec> <ack> <title>确认</tgydF4y2Baitle> <p>这项工作已经被西班牙政府通过支持项目DPI 2013 - 41557 p,<gydF4y2Baitalic> Navegacion de机器人en Entornos Dinamicos Mediante Mapas Compactos反对给视觉de Apariencia全球,</gydF4y2Baitalic>和<gydF4y2Baitalic> Generalitat Valenciana</gydF4y2Baitalic>通过这些项目<gydF4y2Baitalic> AICO</gydF4y2Baitalic>/ 2015/021,<gydF4y2Baitalic> Localizacion y Creacion de Mapas视觉对位Navegacion de机器人6 GDL监狱,</gydF4y2Baitalic>和<gydF4y2Baitalic> 全球之声</gydF4y2Baitalic>/ 2015/031,<gydF4y2Baitalic> Creacion de Mapas拓扑从de la Apariencia全球de联合国Conjunto de Escenas</gydF4y2Baitalic>。</pgydF4y2Ba> </ack> <ref-list> <ref id="B1" content-type="article"> <label>1</gydF4y2Balabel> <element-citation publication-type="journal"> <person-group person-group-type="author"> <name> <surname> 杜伦</年代urname> <given-names> 年代。</ggydF4y2Baiven-names> </name> <name> <surname> 福克斯</年代urname> <given-names> D。</ggydF4y2Baiven-names> </name> <name> <surname> Burgard</年代urname> <given-names> W。</ggydF4y2Baiven-names> </name> <name> <surname> Dellaert</年代urname> <given-names> F。</ggydF4y2Baiven-names> </name> </person-group> <article-title> 健壮的蒙特卡罗定位为移动机器人</一个rticle-title> <source> <italic> 人工智能</gydF4y2Baitalic> <year> 2001年</ye一个r> <volume> 128年</vgydF4y2Baolume> <issue> 1 - 2</gydF4y2Baissue> <fpage> 99年</fp一个ge> <lpage> 141年</gydF4y2Balpage> <pub-id pub-id-type="doi"> 10.1016 / s0004 - 3702 (01) 00069 - 8</pub- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -gydF4y2Baid> <pub-id pub-id-type="other"> 2 - s2.0 - 0035336711</pub- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -gydF4y2Baid> </element-citation> </ref> <ref id="B2" content-type="incollection"> <label>2</gydF4y2Balabel> <element-citation publication-type="book"> <person-group person-group-type="author"> <name> <surname> 吉尔</年代urname> <given-names> 一个。</ggydF4y2Baiven-names> </name> <name> <surname> 雷诺索设计的</年代urname> <given-names> O。</ggydF4y2Baiven-names> </name> <name> <surname> 韦森特</年代urname> <given-names> m·A。</ggydF4y2Baiven-names> </name> <name> <surname> 费尔南德斯</年代urname> <given-names> C。</ggydF4y2Baiven-names> </name> <name> <surname> 付</年代urname> <given-names> l</ggydF4y2Baiven-names> </name> </person-group> <article-title> 蒙特卡罗定位使用筛选功能</一个rticle-title> <source> <italic> 模式识别和图像分析</gydF4y2Baitalic> <year> 2005年</ye一个r> <volume> 3522年</vgydF4y2Baolume> <fpage> 623年</fp一个ge> <lpage> 630年</gydF4y2Balpage> <series> 在计算机科学的课堂讲稿</年代eries> </element-citation> </ref> <ref id="B3" content-type="inproceedings"> <label>3</gydF4y2Balabel> <element-citation publication-type="confproc"> <person-group person-group-type="author"> <name> <surname> Murillo</年代urname> <given-names> 一个。</ggydF4y2Baiven-names> </name> <name> <surname> 格雷罗州</年代urname> <given-names> J。</ggydF4y2Baiven-names> </name> <name> <surname> Sagues</年代urname> <given-names> C。</ggydF4y2Baiven-names> </name> </person-group> <article-title> 冲浪功能高效的机器人定位与全向图像</一个rticle-title> <conf-name> 诉讼的IEEE机器人与自动化国际会议上</gydF4y2Baconf-name> <conf-date> 2007年</gydF4y2Baconf-date> <conf-loc> 圣地亚哥,加州,美国</gydF4y2Baconf-loc> </element-citation> </ref> <ref id="B4" content-type="inproceedings"> <label>4</gydF4y2Balabel> <element-citation publication-type="confproc"> <person-group person-group-type="author"> <name> <surname> 湾</年代urname> <given-names> H。</ggydF4y2Baiven-names> </name> <name> <surname> Tuytelaars</年代urname> <given-names> T。</ggydF4y2Baiven-names> </name> <name> <surname> 范干傻事</年代urname> <given-names> l</ggydF4y2Baiven-names> </name> </person-group> <article-title> 冲浪:加快健壮的特性</一个rticle-title> <conf-name> 第九届欧洲计算机视觉学报》上</gydF4y2Baconf-name> <conf-date> 2006年</gydF4y2Baconf-date> <conf-loc> 奥地利格拉茨</gydF4y2Baconf-loc> </element-citation> </ref> <ref id="B5" content-type="inproceedings"> <label>5</gydF4y2Balabel> <element-citation publication-type="confproc"> <person-group person-group-type="author"> <name> <surname> 罗西</年代urname> <given-names> F。</ggydF4y2Baiven-names> </name> <name> <surname> Ranganathan</年代urname> <given-names> 一个。</ggydF4y2Baiven-names> </name> <name> <surname> Dellaert</年代urname> <given-names> F。</ggydF4y2Baiven-names> </name> <name> <surname> 我想</年代urname> <given-names> E。</ggydF4y2Baiven-names> </name> </person-group> <article-title> 向拓扑定位与球形傅里叶变换和未校准相机</一个rticle-title> <conf-name> 模拟国际会议程序,自主机器人的建模和编程(SIMPAR ' 08)</gydF4y2Baconf-name> <conf-date> 2008年</gydF4y2Baconf-date> <conf-loc> 意大利的威尼斯</gydF4y2Baconf-loc> <fpage> 319年</fp一个ge> <lpage> 330年</gydF4y2Balpage> </element-citation> </ref> <ref id="B6" content-type="incollection"> <label>6</gydF4y2Balabel> <element-citation publication-type="book"> <person-group person-group-type="author"> <name> <surname> 付</年代urname> <given-names> l</ggydF4y2Baiven-names> </name> <name> <surname> 雷诺索设计的</年代urname> <given-names> O。</ggydF4y2Baiven-names> </name> <name> <surname> Amoros</年代urname> <given-names> F。</ggydF4y2Baiven-names> </name> <name> <surname> 费尔南德斯</年代urname> <given-names> l</ggydF4y2Baiven-names> </name> <name> <surname> 吉尔</年代urname> <given-names> 一个。</ggydF4y2Baiven-names> </name> </person-group> <article-title> 概率地图构建、定位和导航的移动机器人的一个团队。应用程序路由后</一个rticle-title> <source> <italic> 多机器人系统:趋势和发展</gydF4y2Baitalic> <year> 2011年</ye一个r> <fpage> 191年</fp一个ge> <lpage> 210年</gydF4y2Balpage> </element-citation> </ref> <ref id="B7" content-type="inproceedings"> <label>7</gydF4y2Balabel> <element-citation publication-type="confproc"> <person-group person-group-type="author"> <name> <surname> 费尔南德斯</年代urname> <given-names> l</ggydF4y2Baiven-names> </name> <name> <surname> 付</年代urname> <given-names> l</ggydF4y2Baiven-names> </name> <name> <surname> 卡洛斯</年代urname> <given-names> D。</ggydF4y2Baiven-names> </name> <name> <surname> 吉尔</年代urname> <given-names> 一个。</ggydF4y2Baiven-names> </name> <name> <surname> 雷诺索设计的</年代urname> <given-names> O。</ggydF4y2Baiven-names> </name> </person-group> <article-title> 蒙特卡罗定位使用全球出现的全向图像:算法优化大型室内环境</一个rticle-title> <conf-name> 9日信息学国际会议的程序控制,自动化和机器人(ICINCO 12)</gydF4y2Baconf-name> <conf-date> 2012年7月</gydF4y2Baconf-date> <conf-loc> 罗马,意大利</gydF4y2Baconf-loc> <fpage> 439年</fp一个ge> <lpage> 442年</gydF4y2Balpage> <pub-id pub-id-type="other"> 2 - s2.0 - 84867736903</pub- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -gydF4y2Baid> </element-citation> </ref> <ref id="B8" content-type="phdthesis"> <label>8</gydF4y2Balabel> <element-citation publication-type="thesis"> <person-group person-group-type="author"> <name> <surname> Montemerlo</年代urname> <given-names> M。</ggydF4y2Baiven-names> </name> </person-group> <source> <italic> FastSLAM:考虑解决未知数据的同步定位和映射问题协会[博士。论文)</gydF4y2Baitalic> <year> 2003年</ye一个r> <publisher-loc> 美国宾夕法尼亚州匹兹堡</pubgydF4y2Balisher-loc> <publisher-name> 卡耐基梅隆大学机器人研究所</pubgydF4y2Balisher-name> </element-citation> </ref> <ref id="B9" content-type="inproceedings"> <label>9</gydF4y2Balabel> <element-citation publication-type="confproc"> <person-group person-group-type="author"> <name> <surname> Gamallo</年代urname> <given-names> C。</ggydF4y2Baiven-names> </name> <name> <surname> Quintia</年代urname> <given-names> P。</ggydF4y2Baiven-names> </name> <name> <surname> Iglesias-Rodriguez</年代urname> <given-names> R。</ggydF4y2Baiven-names> </name> <name> <surname> 洛伦佐</年代urname> <given-names> j . V。</ggydF4y2Baiven-names> </name> <name> <surname> Regueiro</年代urname> <given-names> c V。</ggydF4y2Baiven-names> </name> </person-group> <article-title> 结合低成本GPS与视觉定位基于前一个户外导航地图</一个rticle-title> <conf-name> 学报》第11届国际会议上智能系统设计和应用程序(ISDA的11)</gydF4y2Baconf-name> <conf-date> 2011年11月</gydF4y2Baconf-date> <conf-loc> 西班牙科尔多瓦</gydF4y2Baconf-loc> <fpage> 1146年</fp一个ge> <lpage> 1151年</gydF4y2Balpage> <pub-id pub-id-type="doi"> 10.1109 / isda.2011.6121813</pub- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -gydF4y2Baid> <pub-id pub-id-type="other"> 2 - s2.0 - 84857607379</pub- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -gydF4y2Baid> </element-citation> </ref> <ref id="B10" content-type="inproceedings"> <label>10</gydF4y2Balabel> <element-citation publication-type="confproc"> <person-group person-group-type="author"> <name> <surname> 鸟居</年代urname> <given-names> 一个。</ggydF4y2Baiven-names> </name> <name> <surname> Sivic</年代urname> <given-names> J。</ggydF4y2Baiven-names> </name> <name> <surname> Pajdla</年代urname> <given-names> T。</ggydF4y2Baiven-names> </name> </person-group> <article-title> 视觉定位的图像描述符的线性组合</一个rticle-title> <conf-name> 《IEEE计算机视觉国际会议研讨会(ICCV研讨会”11)</gydF4y2Baconf-name> <conf-date> 2011年11月</gydF4y2Baconf-date> <conf-loc> 西班牙巴塞罗那</gydF4y2Baconf-loc> <fpage> 102年</fp一个ge> <lpage> 109年</gydF4y2Balpage> <pub-id pub-id-type="doi"> 10.1109 / iccvw.2011.6130230</pub- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -gydF4y2Baid> <pub-id pub-id-type="other"> 2 - s2.0 - 84856663396</pub- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -gydF4y2Baid> </element-citation> </ref> <ref id="B11" content-type="inproceedings"> <label>11</gydF4y2Balabel> <element-citation publication-type="confproc"> <person-group person-group-type="author"> <name> <surname> 阿里</年代urname> <given-names> M。</ggydF4y2Baiven-names> </name> <name> <surname> Bouguet</年代urname> <given-names> J.-Y。</ggydF4y2Baiven-names> </name> </person-group> <article-title> 街景是室内的:自动姿势估计未校准的无序球面全景图</一个rticle-title> <conf-name> 《IEEE计算机视觉的应用研讨会(WACV 12)</gydF4y2Baconf-name> <conf-date> 2012年1月</gydF4y2Baconf-date> <conf-loc> 美国科罗拉多州出台</gydF4y2Baconf-loc> <fpage> 1</fp一个ge> <lpage> 8</gydF4y2Balpage> <pub-id pub-id-type="doi"> 10.1109 / wacv.2012.6162996</pub- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -gydF4y2Baid> <pub-id pub-id-type="other"> 2 - s2.0 - 84860691836</pub- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -gydF4y2Baid> </element-citation> </ref> <ref id="B12" content-type="inproceedings"> <label>12</gydF4y2Balabel> <element-citation publication-type="confproc"> <person-group person-group-type="author"> <name> <surname> 希夫</年代urname> <given-names> 一个。</ggydF4y2Baiven-names> </name> <name> <surname> Ballan</年代urname> <given-names> l</ggydF4y2Baiven-names> </name> <name> <surname> Pollefeys</年代urname> <given-names> M。</ggydF4y2Baiven-names> </name> </person-group> <article-title> 与地籍登记球面全景图像的3 d模型</一个rticle-title> <conf-name> 学报》国际会议3 d成像、建模、处理、可视化和传播(3 dimpvt 12)</gydF4y2Baconf-name> <conf-date> 2012年</gydF4y2Baconf-date> <conf-loc> 瑞士苏黎世</gydF4y2Baconf-loc> <fpage> 479年</fp一个ge> <lpage> 486年</gydF4y2Balpage> </element-citation> </ref> <ref id="B13" content-type="inproceedings"> <label>13</gydF4y2Balabel> <element-citation publication-type="confproc"> <person-group person-group-type="author"> <name> <surname> Amoros</年代urname> <given-names> F。</ggydF4y2Baiven-names> </name> <name> <surname> 付</年代urname> <given-names> l</ggydF4y2Baiven-names> </name> <name> <surname> 雷诺索设计的</年代urname> <given-names> O。</ggydF4y2Baiven-names> </name> <name> <surname> 吉梅内斯</年代urname> <given-names> l</ggydF4y2Baiven-names> </name> </person-group> <article-title> 比较global-appearance技术应用于视觉地图构建和本地化</一个rticle-title> <conf-name> 国际会议的程序计算机视觉理论和应用程序</gydF4y2Baconf-name> <conf-date> 2012年</gydF4y2Baconf-date> <conf-loc> 罗马,意大利</gydF4y2Baconf-loc> <fpage> 395年</fp一个ge> <lpage> 398年</gydF4y2Balpage> </element-citation> </ref> <ref id="B14" content-type="article"> <label>14</gydF4y2Balabel> <element-citation publication-type="journal"> <person-group person-group-type="author"> <name> <surname> 吉尔</年代urname> <given-names> 一个。</ggydF4y2Baiven-names> </name> <name> <surname> Mozos</年代urname> <given-names> o . M。</ggydF4y2Baiven-names> </name> <name> <surname> Ballesta</年代urname> <given-names> M。</ggydF4y2Baiven-names> </name> <name> <surname> 雷诺索设计的</年代urname> <given-names> O。</ggydF4y2Baiven-names> </name> </person-group> <article-title> 比较评估的兴趣点探测器和局部描述符视觉大满贯</一个rticle-title> <source> <italic> 机器视觉和应用程序</gydF4y2Baitalic> <year> 2010年</ye一个r> <volume> 21</vgydF4y2Baolume> <issue> 6</gydF4y2Baissue> <fpage> 905年</fp一个ge> <lpage> 920年</gydF4y2Balpage> <pub-id pub-id-type="doi"> 10.1007 / s00138 - 009 - 0195 - x</pub- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -gydF4y2Baid> <pub-id pub-id-type="other"> 2 - s2.0 - 78049463636</pub- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -gydF4y2Baid> </element-citation> </ref> <ref id="B15" content-type="inproceedings"> <label>15</gydF4y2Balabel> <element-citation publication-type="confproc"> <person-group person-group-type="author"> <name> <surname> 付</年代urname> <given-names> l</ggydF4y2Baiven-names> </name> <name> <surname> 费尔南德斯</年代urname> <given-names> l</ggydF4y2Baiven-names> </name> <name> <surname> 雷诺索设计的</年代urname> <given-names> O。</ggydF4y2Baiven-names> </name> <name> <surname> 吉尔</年代urname> <given-names> 一个。</ggydF4y2Baiven-names> </name> <name> <surname> Ubeda</年代urname> <given-names> D。</ggydF4y2Baiven-names> </name> </person-group> <article-title> 外貌的密集的地图创建。比较与全景图像压缩技术</一个rticle-title> <conf-name> 国际会议信息的程序控制,自动化和机器人(INSTICC ' 09)</gydF4y2Baconf-name> <conf-date> 2009年</gydF4y2Baconf-date> <conf-loc> 米兰,意大利</gydF4y2Baconf-loc> <fpage> 238年</fp一个ge> <lpage> 246年</gydF4y2Balpage> </element-citation> </ref> <ref id="B16" content-type="inproceedings"> <label>16</gydF4y2Balabel> <element-citation publication-type="confproc"> <person-group person-group-type="author"> <name> <surname> 哈里斯</年代urname> <given-names> C。</ggydF4y2Baiven-names> </name> <name> <surname> 史蒂芬斯</年代urname> <given-names> M。</ggydF4y2Baiven-names> </name> </person-group> <article-title> 联合的角落和边缘检测器</一个rticle-title> <conf-name> 学报阿尔维愿景会议</gydF4y2Baconf-name> <conf-date> 1988年</gydF4y2Baconf-date> <conf-loc> 英国曼彻斯特</gydF4y2Baconf-loc> <fpage> 23.1</fp一个ge> <lpage> 23.6</gydF4y2Balpage> <pub-id pub-id-type="doi"> 10.5244 / c.2.23</pub- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -gydF4y2Baid> </element-citation> </ref> <ref id="B17" content-type="article"> <label>17</gydF4y2Balabel> <element-citation publication-type="journal"> <person-group person-group-type="author"> <name> <surname> 我想</年代urname> <given-names> E。</ggydF4y2Baiven-names> </name> <name> <surname> Maeda</年代urname> <given-names> T。</ggydF4y2Baiven-names> </name> <name> <surname> 石黑浩</年代urname> <given-names> H。</ggydF4y2Baiven-names> </name> </person-group> <article-title> 基于图像的记忆机器人导航使用全向图像的属性</一个rticle-title> <source> <italic> 机器人和自治系统</gydF4y2Baitalic> <year> 2004年</ye一个r> <volume> 47</vgydF4y2Baolume> <issue> 4</gydF4y2Baissue> <fpage> 251年</fp一个ge> <lpage> 267年</gydF4y2Balpage> <pub-id pub-id-type="doi"> 10.1016 / j.robot.2004.03.014</pub- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -gydF4y2Baid> <pub-id pub-id-type="other"> 2 - s2.0 - 2942729595</pub- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -gydF4y2Baid> </element-citation> </ref> <ref id="B18" content-type="article"> <label>18</gydF4y2Balabel> <element-citation publication-type="journal"> <person-group person-group-type="author"> <name> <surname> 付</年代urname> <given-names> l</ggydF4y2Baiven-names> </name> <name> <surname> Ferńandez</年代urname> <given-names> l</ggydF4y2Baiven-names> </name> <name> <surname> 吉尔</年代urname> <given-names> 一个。</ggydF4y2Baiven-names> </name> <name> <surname> 雷诺索设计的</年代urname> <given-names> O。</ggydF4y2Baiven-names> </name> </person-group> <article-title> 地图构建和蒙特卡罗定位使用全球全向图像的外观</一个rticle-title> <source> <italic> 传感器</gydF4y2Baitalic> <year> 2010年</ye一个r> <volume> 10</vgydF4y2Baolume> <issue> 12</gydF4y2Baissue> <fpage> 11468年</fp一个ge> <lpage> 11497年</gydF4y2Balpage> <pub-id pub-id-type="doi"> 10.3390 / s101211468</pub- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -gydF4y2Baid> <pub-id pub-id-type="other"> 2 - s2.0 - 78650256209</pub- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -gydF4y2Baid> </element-citation> </ref> <ref id="B19" content-type="article"> <label>19</gydF4y2Balabel> <element-citation publication-type="journal"> <person-group person-group-type="author"> <name> <surname> 弗里德曼</年代urname> <given-names> 一个。</ggydF4y2Baiven-names> </name> </person-group> <article-title> 帧图片:知识的角色在自动化的编码和记忆要点</一个rticle-title> <source> <italic> 实验心理学杂志》:一般</gydF4y2Baitalic> <year> 1979年</ye一个r> <volume> 108年</vgydF4y2Baolume> <issue> 3</gydF4y2Baissue> <fpage> 316年</fp一个ge> <lpage> 355年</gydF4y2Balpage> <pub-id pub-id-type="doi"> 10.1037 / 0096 - 3445.108.3.316</pub- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -gydF4y2Baid> <pub-id pub-id-type="other"> 2 - s2.0 - 0018513290</pub- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -gydF4y2Baid> </element-citation> </ref> <ref id="B20" content-type="article"> <label>20.</gydF4y2Balabel> <element-citation publication-type="journal"> <person-group person-group-type="author"> <name> <surname> Torralba</年代urname> <given-names> 一个。</ggydF4y2Baiven-names> </name> </person-group> <article-title> 上下文对象检测启动</一个rticle-title> <source> <italic> 国际计算机视觉杂志》上</gydF4y2Baitalic> <year> 2003年</ye一个r> <volume> 53</vgydF4y2Baolume> <issue> 2</gydF4y2Baissue> <fpage> 169年</fp一个ge> <lpage> 191年</gydF4y2Balpage> <pub-id pub-id-type="doi"> 10.1023 /:1023052124951</pub- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -gydF4y2Baid> <pub-id pub-id-type="other"> 2 - s2.0 - 0037500818</pub- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -gydF4y2Baid> </element-citation> </ref> <ref id="B21" content-type="inproceedings"> <label>21</gydF4y2Balabel> <element-citation publication-type="confproc"> <person-group person-group-type="author"> <name> <surname> 中间人</年代urname> <given-names> N。</ggydF4y2Baiven-names> </name> <name> <surname> 组织</年代urname> <given-names> B。</ggydF4y2Baiven-names> </name> </person-group> <article-title> 的梯度直方图的人工检测</一个rticle-title> <conf-name> 《IEEE计算机学会学报计算机视觉与模式识别会议(CVPR ' 05)</gydF4y2Baconf-name> <conf-date> 2005年6月</gydF4y2Baconf-date> <conf-loc> 美国华盛顿特区</gydF4y2Baconf-loc> <fpage> 886年</fp一个ge> <lpage> 893年</gydF4y2Balpage> <pub-id pub-id-type="doi"> 10.1109 / cvpr.2005.177</pub- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -gydF4y2Baid> <pub-id pub-id-type="other"> 2 - s2.0 - 33645146449</pub- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -gydF4y2Baid> </element-citation> </ref> <ref id="B22" content-type="inproceedings"> <label>22</gydF4y2Balabel> <element-citation publication-type="confproc"> <person-group person-group-type="author"> <name> <surname> Amoros</年代urname> <given-names> F。</ggydF4y2Baiven-names> </name> <name> <surname> 付</年代urname> <given-names> l</ggydF4y2Baiven-names> </name> <name> <surname> 雷诺索设计的</年代urname> <given-names> O。</ggydF4y2Baiven-names> </name> <name> <surname> 费尔南德斯</年代urname> <given-names> l</ggydF4y2Baiven-names> </name> <name> <surname> 马林</年代urname> <given-names> J。</ggydF4y2Baiven-names> </name> </person-group> <article-title> 视觉地图构建和本地化的外貌approach-comparisons技术来提取信息的全景图像</一个rticle-title> <conf-name> 学报》第七届国际会议信息控制,自动化和机器人技术</gydF4y2Baconf-name> <conf-date> 2010年</gydF4y2Baconf-date> <fpage> 423年</fp一个ge> <lpage> 426年</gydF4y2Balpage> </element-citation> </ref> <ref id="B23" content-type="inproceedings"> <label>23</gydF4y2Balabel> <element-citation publication-type="confproc"> <person-group person-group-type="author"> <name> <surname> Filliat</年代urname> <given-names> D。</ggydF4y2Baiven-names> </name> </person-group> <article-title> 视觉袋互动定性定位方法和映射</一个rticle-title> <conf-name> 诉讼的IEEE机器人与自动化国际会议上07年举行(“国际机器人与自动化会议”)</gydF4y2Baconf-name> <conf-date> 2007年4月</gydF4y2Baconf-date> <conf-loc> 罗马,意大利</gydF4y2Baconf-loc> <fpage> 3921年</fp一个ge> <lpage> 3926年</gydF4y2Balpage> <pub-id pub-id-type="doi"> 10.1109 / robot.2007.364080</pub- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -gydF4y2Baid> <pub-id pub-id-type="other"> 2 - s2.0 - 36348999309</pub- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -- - - - - -gydF4y2Baid> </element-citation> </ref> </ref-list> </back> </article> </body> </html>