Biologically-inspired visual place recognition with adaptive multiple scales

در این مقاله، ما یک سیستم جدید چند منظوره تطبیقی ​​جدید را برای شناسایی جایگاه بصری ارائه می دهیم. برخلاف اخیر سیستم های چندرسانه ای که اخیرا از مقیاس پیش تعیین شده استفاده می کنند، ما یک سیستم را ارائه می دهیم که سازگاری مقیاس های فضایی را انتخاب می کند. این روش از روش های چند بعدی مقیاس متفاوت است، در حالیکه تشخیص مکان از طریق یک متریک فاصله غیر بهینه شده در فضای مقیاس ثابت و پیش تعیین شده انجام می شود. در عوض، یک متریک فاصله بهینه سازی شده را ایجاد می کنیم که یک فضای تشخیص جدید را برای خوشه بندی تصاویر با ویژگی های مشابه ایجاد می کند، در حالی که آن ها را با ویژگی های مختلف جدا می کند. در نتیجه، این روش از مقیاس های طبیعی طبیعی موجود در محیط عملیاتی استفاده می کند. با این مقیاسهای سازگاری، یک مکانیزم شناخت سلسله مراتبی با چند کانال موازی پیشنهاد شده است. هر کانال از یک بازی درشت به یک بازی خوب تشخیص مکان را انجام می دهد. ما تکنیک های ویژه ای برای آموزش هر کانال برای شناسایی مکان های مختلف در مقیاس های فضایی و برای ترکیب فرضیه های تعیین مکان از این کانال های موازی ارائه می کنیم. ما همچنین مجموعه ای از آزمایشات و مطالعات پارامتری را انجام می دهیم که تاثیر آن بر عملکرد با استفاده از تعداد مختلف کانال های تشخیص ترکیبی را تعیین می کند. نتایج نشان می دهد که رویکرد چندگانه سازگارانه از رویکرد ثابت چند بعدی در مقایسه با الگوریتم های ناوبری روباتیک پیشرفته تر است. پیچیدگی سیستم در تعدادی از مکان ها در نقشه استاتیک مرجع خطی است و می تواند به رسمیت شناختن مکان آنلاین در روباتیک تلفن همراه در اندازه های داده های معمولی تحقق یابد ما نتایج تجزیه و تحلیل و ارائه تجزیه و تحلیل نظری از بهبود عملکرد. در نهایت، ما در مورد بینش های جالب با توجه به کار آتی در رباتیک و علوم اعصاب در این زمینه به دست می آوریم.