融合全局特征和局部特征的视觉场景识别算法OA

视觉位置识别(VPR)是自主机器人技术中的关键技术,广泛应用于视觉SLAM和移动机器人导航.然而,外观和视角的显著变化可能会降低算法的准确性,当前的方法仅依赖RGB图像中的语义信息,而这种信息在应对外观变化时表现较弱.因此,文中提出融合全局特征和局部特征的视觉场景识别算法,通过利用深度信息来辅助语义信息完成VPR任务,建立起一个能够捕捉RGB和深度特征的网络架构,并通过逐层融合获得多模态特征,使用基于多层感知器的特征聚合模块(FAMLP),聚合全局信息并获取全局场景描述子.随后,从多模态特征中提取局部特征,建立一种基于动态规划的局部特征对齐策略,以增强算法对视角变化的鲁棒性.此外,还提出了类内和类间损失函数,以实现全局最优解.经过在Oxford RobotCar数据集上的大量实验,结果表明所提算法具有良好的效果.