실내 환경에서 전방위 이미지를 사용한 로봇 위치지정을 위한 샴 신경망의 실험적 평가

초록 본 논문의 목표는 로봇에 장착된 카타디옵트릭 비전 시스템으로 캡처한 전방위 이미지를 사용하여 위치 지정 문제를 해결하는 것입니다. 이를 위해, 우리는 파노라마 이미지를 고유 정보 출처로 사용하여 실내 환경을 모델링하기 위한 샴 신경망의 가능성을 탐구합니다. 샴 신경망은 두 개의 입력 데이터, 이 경우 두 개의 파노라마 이미지 사이의 유사성 함수를 생성할 수 있는 능력이 특징입니다. 본 연구에서는 두 개의 합성곱 신경망(CNN)으로 구성된 샴 신경망을 사용합니다. 각 CNN의 출력은 각 이미지를 특성화하는 데 사용되는 디스크립터입니다. 이러한 디스크립터 간의 거리를 측정하여 이미지 간의 비유사성을 계산합니다. 이 사실은 샴 신경망이 이미지 검색 작업을 수행하는 데 특히 적합하게 만듭니다. 먼저, 로컬리제이션과 강하게 관련된 초기 작업을 평가하며, 이는 두 이미지가 같은 방에서 촬영되었는지 서로 다른 방에서 촬영되었는지를 감지하는 작업입니다. 다음으로, 글로벌 로컬리제이션 문제의 맥락에서 샴 신경망을 평가합니다. 결과는 COLD-Freiburg 데이터 세트를 사용하여 다양한 조명 조건에서 위치 지정 작업을 해결하는 이전 기술보다 우수합니다. 특히, 흐린 날씨와 밤에 촬영된 이미지를 사용할 때 더욱 그렇습니다.