王红君 郝金龙 赵 辉,2 岳有军

1(天津市复杂系统控制理论及应用重点实验室 天津 300384)2(天津农学院 天津 300384)

0 引 言

近年来，位置识别在机器视觉和机器人领域中得到了极大的关注。2014年以来，国际机器人与自动化会议(ICRA)和国际计算机视觉与模式识别会议(CVPR)中多次设置视觉位置识别相关研讨会[1]。

位置识别可广泛应用于定位与地图构建(SLAM)、自动驾驶、机器人导航、增强现实和图片地理定位等技术。比如，在SALM技术中，位置识别可以应用于回环检测环节。回环检测是移动机器人抑制累计误差的关键，通过识别对同一位置的重新访问，机器人可以进行姿态和全局地图的优化，提高系统的精度和稳定性。

在大规模城市环境下，往往存在着光照变化(图1)、摄像机拍摄角度变化(图2)、移动物体(图3)、建筑物和地表外观改变(图4)等。然而传统图像特征如SIFT、SURF、BRIEF、FAST和ORB已经无法应对这种环境条件的剧烈变化。

图1 光照变化

图2 摄像机拍摄角度变化

图3 移动物体(人车等)

图4 建筑物和地表外观改变

近些年随着卷积神经网络的发展，各种CNN如AlexNet[2]、VGG[3]、GoogLeNet[4]和ResNet[5]等越来越多地被用来进行图像特征提取。这些方法被广泛应用于物体检测追踪、场景识别、人体动作识别和语义识别等领域。同样CNN也被应用到视觉位置识别中，2016年CVPR上Arandjelovic等[6]提出了一种可进行端到端训练的视觉位置识别网络NetVLAD。NetVLAD尝试解决了大规模视觉地点识别的问题，实验表明，其在Pittsburgh和Tokyo 24/7数据集上，效果明显优于传统的图像表示算法，并且超越了当时最先进的图像描述方法VLAD。……