单级特征图融合坐标注意力的视觉位置识别方法

摘要：

针对视角和环境变化的场景中现有视觉位置识别方法存在的匹配遗漏和实时性差的问题,提出基于单级特征图融合坐标注意力的视觉位置识别方法.首先通过坐标注意力捕获特征的相对位置信息,然后利用扩张卷积和局部聚合向量网络(NetVLAD)构造多尺度特征融合的编码器,最后基于三元组损失训练网络.经Pitts30k和Nordland数据集验证,在位置识别试验中,与同基线的先进方法Patch-NetVLAD相比,所提出的方法能够获得同等的召回精度且检索速度提高19％.在回环检测试验中,所提出的方法达到了合理平衡鲁棒性和检索速度的目标.

关键词：自动驾驶、视觉位置识别、回环检测、坐标注意力、局部聚合向量网络、三元组损失

分类号：TP391.4;U463.6(计算技术、计算机技术)

资助基金：国家重点研发计划;国家自然科学基金;北京市自然科学基金面上项目;北京联合大学高水平孵化项目;新进博士孵化项目

在线出版日期：2023-05-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：19-25