标题：Cross-View Image Matching for Geo-localization in UrbanEnvironments

作者：Yicong Tian, Chen Chen, Mubarak Shah

来源：CVPR 2017

编译：蔡纪源

播音员：大大马

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

今天介绍的文章是“Cross-View Image Matching for Geo-localization inUrban Environments”——实现城市地理定位的交叉视图匹配方法，该文章发表在VPR2017。

在本文中，作者旨在解决交叉视图地理定位问题。如下图所示，在带地理信息的鸟瞰图参考数据库中搜索匹配图像（图示右侧），来估计一幅街景视角的图像（图示左侧）所对应的GPS位置。

由于深卷积神经网络(CNN)在图像分类和目标检测中已经有了巨大成功，作者借此提出一个新的框架来解决交叉视图地理定位问题，流程示意图如下。

首先,采用Faster R-CNN[16]在待查询图像和参考图像中检测建筑物（下图颜色框）。

其次，对于待查询图像中的每个建筑物（下图最左4个检测框，代表4个建筑），我们使用训练好的Siamese网络（包含正匹配对和负匹配对）在参考建筑物中检索K最近邻（下图a中，4个聚类集合对应了待查询图像中4个建筑）。为让每个待查询建筑找到正确的最近邻，我们开发一个基于优势集（Dominant Set）的高效多个最近邻匹配方法（下图b）。这种方法同时考虑了全局相似和局部相似，最终用最优选取的4个建筑GPS平均值代表该查询图像的GPS位置（下图c）。

作者借用Google Street View Dataset建立了由成对街景和鸟瞰图像组成的新数据集，用于评估提出的算法框架。实验结果表明，该方法得到的地理定位精度优于其他方法,并且它能够推广到没见过的图像集上（未经训练的）。

啦啦啦！

如果你对本文感兴趣，想要下载完整文章进行阅读，可以关注【泡泡机器人SLAM】公众号。

回复关键字“CVIM”，即可获取本文下载链接。

商业合作及转载请联系[email protected]