以下內(nèi)容來自小六的機(jī)器人SLAM學(xué)習(xí)圈知識星球每日更新內(nèi)容

點(diǎn)擊領(lǐng)取學(xué)習(xí)資料 → 機(jī)器人SLAM學(xué)習(xí)資料大禮包

#論文# #開源數(shù)據(jù)集#開源代碼# ?Knowledge Distillation for Feature Extraction in Underwater VSLAM

論文地址：https://arxiv.org/abs/2303.17981

作者單位：墨爾本大學(xué)

數(shù)據(jù)集地址：https://github.com/Jinghe-mel/UFEN-SLAM

?近年來，基于學(xué)習(xí)的特征檢測和匹配方法在空中情況下的表現(xiàn)優(yōu)于人工設(shè)計的方法。然而，由于缺乏帶標(biāo)注的水下數(shù)據(jù)集，學(xué)習(xí)水下場景中的特征是具有挑戰(zhàn)性的。提出了一種用于訓(xùn)練水下特征檢測與匹配網(wǎng)絡(luò)(UFEN)的跨模式知識提取框架。特別是，我們使用空中RGBD數(shù)據(jù)來生成基于物理水下成像編隊模型的合成水下圖像，并使用這些作為媒介從預(yù)先訓(xùn)練的空中圖像的教師模型SuperPoint中提取知識。

?我們將UFEN嵌入到ORB-SLAM3框架中，通過引入額外的二進(jìn)制化層來取代ORB特征。為了測試我們方法的有效性，我們建立了一個新的水下數(shù)據(jù)集，該數(shù)據(jù)集帶有地面真實(shí)測量，名為EASI，記錄在室內(nèi)水箱中，針對不同的濁度水平。在現(xiàn)有數(shù)據(jù)集和我們的新數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果證明了該方法的有效性。

本文貢獻(xiàn)如下：

1、提出了水下特征提取網(wǎng)絡(luò)(UFEN)，這是一種直接從水下圖像上提取和匹配特征點(diǎn)的水下特征點(diǎn)檢測和描述神經(jīng)網(wǎng)絡(luò)。

2、我們通過合成水下圖像將空中場景的預(yù)訓(xùn)練模型(SuperPoint)的知識傳遞到UFEN模型。

3、我們提出了一種單目水下VSLAM系統(tǒng)UFEN-SLAM，通過在描述符解碼器的末尾引入額外的二值化層，將UFEN集成到最先進(jìn)的基于特征的VSLAM框架-ORB-SLAM3中。

4、我們構(gòu)建了一個稱為EASI的水下數(shù)據(jù)集，該數(shù)據(jù)集通過具有不同水濁度水平的運(yùn)動跟蹤系統(tǒng)測量到的真值，并在該數(shù)據(jù)集上評估了我們的方法的性能。

以上內(nèi)容來自小六的機(jī)器人SLAM學(xué)習(xí)圈知識星球每日更新內(nèi)容