【泡泡一分钟】机器人顶级会议精华提炼（20190603-20190609）

会员服务 ·

【泡泡一分钟】机器人顶级会议精华提炼（20190603-20190609）

2019 年 6 月 8 日 泡泡机器人SLAM

每天一分钟，带你读遍机器人顶级会议文章

来源：计算机视觉和机器人顶级会议

播音员：水蘸墨，赵嘉珩

汇总：章绩伟

编译：泡泡一分钟全体组员

欢迎个人转发朋友圈；其他机构或自媒体如需转载，后台留言申请授权

摘要

2019年6月3日-2019年6月9日，泡泡一分钟共推送了11篇文章。其内容涉及到目标追踪（1篇）、姿态估计（2篇）、定位（4篇）、图像处理（1篇）、双目视觉（1篇）、目标检测（1篇）、视觉里程计（1篇）。

目标追踪

目标追踪方面本周共推送1篇文章。

追踪平面物体在机器人技术中具有广泛的应用。然而，传统的模板跟踪算法，由于剧烈的物体外观变化，经常在一段时间后不能观察到快速物体运动或漂移。为了解决这些问题，本文提出了一种新的用于运动估计的置信度约束匹配算法和用于模板更鲁棒卡尔曼滤波器。通过与精确的遮挡检测器集成，本文方法通过从运动参数的计算中除去遮挡的像素，可在存在部分遮挡的情况下实现精确的运动估计。此外，所提出的卡尔曼滤波器采用新的控制输入模型来处理物体外观变化，这使本文的跟踪器具有高度的鲁棒性，可以防止突然的照明变化和严重的运动模糊。

针对平面物体追踪的约束置信度匹配算法

姿态估计

姿态估计设计方面本周共推送2篇文章。

第一篇文章介绍了一套名为PRISM的系统，它可以使机器人能够定位门牌（一种旨在帮助建筑物的人类居住者的语义标记），从而自动地将这些位置标注进地图之中。

PRISM: 集成语义建图的位姿配准方法

第二篇文章提出了一种需要最少人为干预的方法，并通过快速数据采集方法和合成数据生成程序避免了对三维模型可用性的依赖。这项工作建立在先前关于杂乱拾取场景语义分割工作的基础上，以便在杂乱环境中隔离单个对象。并在合成场景上训练一个额外的网络，以根据从分割结果中提取的以对象为中心的编码来估计目标姿态。

利用语义分割和位姿回归网络对杂乱场景进行鲁棒的6D目标位姿估计

定位

定位方面本周推送了4篇文章。

第一篇文章提出了一种新型的用于室内环境中的3D声源的反射定位的方法。与现有方法不同，现有方法主要基于来自固定源的连续声音信号，本方法设计从单帧信号中定位即时位置。我们考虑了经过如天花板或墙面等表面反射后到达麦克风的直接或间接的声音信号。然后使用逆声线追踪生成并跟踪直接或反射的声波路径，通过蒙特卡洛定位方法利用这些路径来估计3D声源的位置。我们将该方法应用于一个配备了立方体形状的麦克风阵列的机器人上，并在固定和移动的声源下在连续的和间隙的声音信号下进行了不同设置的测试。在不同的设置下，该方法能在7m×7m×3m的室内测试环境下定位声源，平均距离误差为0.8m，包括移动和非视距声源。我们也发现，在加入对间接射线的建模能比仅用直接射线的建模方法提高40%的定位精度。

反射感知声源定位

基于视觉的导航极易受到自然场景变化的影响。这可能会在地图创建后的不到几个小时内导致定位失败。为了对抗短期照明变化以及长期季节变化，第二篇文章建议使用依赖于地点和时间的二进制描述符，以在线方式适应不同的场景。这是通过以两种方式扩展GRIEF演化算法来实现的：除了描述符生成的简要比较之外，使用已知的姿势变化和包含LATCH三元组的对应生成。我们展示了自适应描述符优于单个描述符方案，用于在单实验VT＆R系统中进行定位，同时保持二进制描述符的效率。通过使描述功能适应不同的环境条件，它允许系统在需要新体验之前运行更长的时间。在白天到夜晚出现极端光照变化的情况下，与SURF相比，我们获得了40％的内部匹配。在季节性变化的情况下，证明增加了70％。增加的对应性导致沿着路径的更多可局部化的部分，分别在照明和季节性情况下增加25％和150％。

用于长期视觉定位的时间相关二进制描述符研究

第三篇文章介绍了一个新的公开数据集DREGON，用于推动声源定位相关研究，采集设备为一个嵌入麦克风阵列的无人机。具备了声源定位能力的无人机可用于人员搜救等用途。数据集中包含两种音频记录：干净的和嘈杂的，它们都被精确的运动捕获系统连续标注出了目标声源的3D位置。另外还包含各种人们感兴趣的信号，例如所有时刻各个转子的转速和惯性测量值。除了介绍数据集之外，本文还重点阐述了嵌入式无人机声源定位这一新兴任务的具体属性、挑战和机遇。使用本数据集评估和比较了几种方法，并考虑了实时性。在高噪声条件下，宽带源定位获得了非常有希望的结果，而语音定位在极端噪声水平下仍然是个挑战。

REGON：用于嵌入式无人机声源定位的数据集和方法

第四篇提出一种预测和防止激光定位失败的策略。我们解决的方法是在匹配前对点云的内容进行明确分析。通过分析两个输入点云之间的空间重叠程度和重叠区域内可用的几何约束来学习预测误对准概率的模型。我们为这些约束定义了一种新的可对准性的度量。该方式对三个真实世界的数据集进行评估，并和基准的方式进行比较。实验证明我们的方法如何在未知和杂乱的人造环境中提高激光定位的可信度。

一种预测匹配概率来减少定位失败的算法

图像处理

图像处理方面本周推送了1篇文章。

该文从深度学习的角度解决了这个问题，我们首先对深度神经网络进行微调，目的是获得VO影像序列的图像增强参数。然后，演示了长短期记忆的插入如何允许我们获得时间上一致的序列，因为估计取决于先前的状态。由于使用非常深的网络增加了VO框架的计算负担，因此我们还提出了一种尺寸减小的卷积神经网络，能够更快地执行。最后，我们通过评估两种体系结构在几种最先进的VO算法（如ORB-SLAM和DSO）中生成的序列来验证增强的表示。

在具有挑战性的HDR环境下基于学习图像增强的视觉里程计

双目视觉

双目视觉方面本周推送了1篇文章

该文表明，带有集成照明器的双目系统的距离误差是立方的，并通过现成的结构光双目系统实验验证了所提出的模型。实验证实了该模型的有效性，并简化了此类传感器在机器人中的应用。

带有照明器的双目视觉三次范围误差模型

目标检测

关于目标检测，本周推送了一篇文章

该文作者提出了在机器人与人的交互中使用神经网络来同时检测并定位多个声源。与传统的信号处理技术不同的是，基于神经网络的声源定位方法需要更少的关于环境的强假设。此前的基于神经网络的方法都关注于如何定位单一声源，并不能实现多声源的检测与定位。在本篇论文中，作者提出了一种基于似然编码的神经网络输出，这样的设置使得神经网络能够检测任意数量的声源。此外，作者研究了使用次频带互相关信息作为特征来更好的实现嘈杂环境中的定位。作者在基于不同的想法提出了3种不同的网络架构。在机器人录制的真实数据上的实验表明，作者提出的方法的性能超过了流行的基于空间频谱的方法。

使用深度神经网络检测并定位多个演讲者

视觉里程计

视觉里程计方面本周推送了1篇文章。

尺度恢复是单目视觉里程（VO）计的基本问题之一。摄像机高度通常用作恢复尺度的绝对参考。在这种情况下，尺度恢复的精度取决于道路区域检测和道路几何模型计算的准确性。在以前的工作中，道路检测和道路几何模型计算是依次地被解决：道路几何模型计算基于道路检测，道路区域检测基于颜色信息。但是，道路的颜色信息不够稳定。

在该文提出的方法中，将估计的道路几何模型作为反馈考虑进去，以检测道路区域。因此，道路区域检测和道路几何模型估计可以使相互受益。使用Delaunay三角剖分方法将输入图像分割为多个三角形，并将匹配的特征点作为顶点。通过比较三角区域的几何模型与道路的几何模型，以决定是否将将每个三角区域分类为道路区域，道路几何模型在线被更新。