Сравнение классических и нейросетевых алгоритмов выделения ключевых точек на изображениях пересеченной местности для применения в SLAM алгоритмах

В работе предложена метрика для оценки качества работы алгоритмов выделения ключевых точек на изображении в условиях пересеченной местности при отсутствии однозначно определяемых ориентиров и углов. Проведено сравнение различных алгоритмов выделения ключевых точек для последующей реализации в составе SLAM алгоритма на борту беспилотного летательного аппарата. Получены значения предложенной метрики для популярных алгоритмов выделения ключевых точек и другие параметры на основе запуска решения в контролируемом окружении. Показаны преимущества алгоритмов на основе моделей машинного обучения.

1. Али Б., Садеков Р.Н., Цодокова В.В. Алгоритмы навигации беспилотных летательных аппаратов с использованием систем технического зрения. Гироскопия и навигация. Том 30. №4 (119), 2022, стр.87-105. DOI 10.17285/0869-7035.00105.

2. Smith R.C., Cheeseman P. On the Representation and Estimation of Spatial Uncertainty. The International Journal of Robotics Research. 5 (4): 56–68. 1986. DOI: 10.1177/027836498600500404.

3. Cummins M., Newman P. FAB-MAP: Probabilistic localization and mapping in the space of appearance. The International Journal of Robotics Research. 27 (6): 647–665, 2008. DOI:10.1177/0278364908090961.

4. Yalan Chen, Yimin Zhou, Qin Lv, Kranthi Kumar Deveerasetty A Review of V-SLAM. Conference: 2018 IEEE International Conference on Information and Automation (ICIA). 2018. DOI: 10.1109/ICInfA.2018.8812387.

5. Lowe D.G. Distinctive Image Features from Scale-Invariant Key Points. International Journal of Computer Vision, 2004, 60, 91-110. DOI 10.1023/B:VISI.0000029664.99615.94.

6. Bay H., Tuytelaars T., Van Gool, L. SURF: Speeded Up Robust Features. In: Leonardis, A., Bischof, H., Pinz, A. (eds) Computer Vision – ECCV 2006. ECCV 2006. Lecture Notes in Computer Science, vol 3951. Springer, Berlin, Heidelberg. DOI 10.1007/11744023_32.

7. Ethan Rublee, Vincent Rabaud, Kurt Konolige, Gary Bradski, Gary Bradski ORB: an efficient alternative to SIFT or SURF. Conference: IEEE International Conference on Computer Vision, ICCV 2011, Barcelona, Spain, November 6-13, 2011. DOI: 10.1109/ICCV.2011.6126544.

8. Daniel DeTone, Tomasz Malisiewicz, Andrew Rabinovich SuperPoint: Self-Supervised Interest Point Detection and Description. Conference: 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW). 2018. DOI: 10.1109/CVPRW.2018.00060.

9. Jerome Revaud, Philippe Weinzaepfel, César De Souza, Martin Humenberger. R2D2: Repeatable and Reliable Detector and Descriptor. Conference on Neural Information Processing Systems (NeurIPS), Vancouver, Canada, 8-14 December, 2019. DOI 10.48550/arXiv.1906.06195.

10. Marius Muja and David G. Lowe, "Fast Approximate Nearest Neighbors with Automatic Algorithm Configuration", in International Conference on Computer Vision Theory and Applications (VISAPP'09), Vol.1, 2009.

11. Библиотека FLANN [Электронный ресурс] // GitHub. – 2009. – Режим доступа: https://github.com/flann-lib/flann (дата обращения: 04.05.2025).