[論文レビュー] MILD: Multi-Index Hashing Based Loop Closure Detection

Lei Han, Lu Fang|arXiv (Cornell University)|Feb 28, 2017

Robotics and Sensor-Based Localization参考文献 18被引用数 3

ひとこと要約

MILDは、直接的な特徴マッチングにより、従来のバイナリーバッグ・オブ・ワーズ手法の重心の曖昧性を回避するため、マルチ・インデックス・ハッシング（MIH）を用いたリアルタイムのループ閉じり検出手法を提案する。MIHの確率的解析を通じて近似精度と計算コストの理論的バランスを図ることで、優れた効率性と正確性を達成する。

ABSTRACT

Loop Closure Detection (LCD) has been proved to be extremely useful in global consistent visual Simultaneously Localization and Mapping (SLAM) and appearance-based robot relocalization. Methods exploiting binary features in bag of words representation have recently gained a lot of popularity for their efficiency, but suffer from low recall due to the inherent drawback that high dimensional binary feature descriptors lack well-defined centroids. In this paper, we propose a realtime LCD approach called MILD (Multi-Index Hashing for Loop closure Detection), in which image similarity is measured by feature matching directly to achieve high recall without introducing extra computational complexity with the aid of Multi-Index Hashing (MIH). A theoretical analysis of the approximate image similarity measurement using MIH is presented, which reveals the trade-off between efficiency and accuracy from a probabilistic perspective. Extensive comparisons with state-of-the-art LCD methods demonstrate the superiority of MILD in both efficiency and accuracy.

研究の動機と目的

• 高次元バイナリーディスクリプタにおける不適切に定義された重心が原因で生じるバイナリーフィーチャーに基づくループ閉じり検出の低リコール問題を解消すること。
• リコールを犠牲にすることなく、リアルタイムでの動作を実現すること。
• 重心に基づく表現に依存せずに、マルチ・インデックス・ハッシングを用いて直接的特徴マッチングを実現する手法を開発すること。
• MIHを用いた近似画像類似度測定における正確性と効率性のトレードオフを理論的に分析すること。
• 最先端のLCD手法と比較して、両方の面で優れた性能を示すことを実証すること。

提案手法

• MILDは、バイナリーフィーチャー記述子をインデックス化するため、マルチ・インデックス・ハッシング（MIH）を用いることで、効率的かつ近似的な類似度検索を可能にする。
• 重心に基づく表現に依存せず、MIHを用いて直接的特徴マッチングを実行することで、リコールの向上を図る。
• MIHベースの類似度測定における近似精度と計算効率のトレードオフを分析するための確率的フレームワークを用いる。
• MIHは、異なるランダムプロジェクションを用いた複数のハッシュテーブルを構築することで、マッチングのロバスト性を向上させ、誤検出を低減する。
• 複数のインデックスにおけるハッシュコードのインターセクションを用いて画像類似度を計算することで、リtrieval精度を向上させる。
• 計算オーバーヘッドを最小限に抑えることで、高リコールを維持しつつリアルタイム動作を実現するようにシステムを設計する。

実験結果

リサーチクエスチョン

• RQ1 ループ閉じり検出は、計算複雑性を増加させることなく、どのようにして高リコールを達成できるか？
• RQ2 MIHを用いた近似画像類似度測定における正確性と効率性の理論的トレードオフは何か？
• RQ3 MIHを用いた直接的特徴マッチングは、リコールとスピードの両面で、重心に基づくバッグ・オブ・ワーズ手法を上回ることができるか？
• RQ4 実世界のSLAMシナリオにおいて、MIHベースの類似度測定は最先端のLCD手法と比較してどのように差をつけるか？
• RQ5 マルチ・インデックス化は、ループ閉じり検出のロバスト性とリコールにどのような影響を与えるか？

主な発見

• MILDは、高次元バイナリーディスクリプタの重心の曖昧性を回避することで、重心に基づくバイナリーフィーチャー手法よりも高いリコールを達成する。
• MIHベースの特徴マッチングの計算オーバーヘッドが低いため、リアルタイム動作を維持する。
• 理論的分析により、MIHにおける近似精度と効率性の間には定量的なトレードオフが存在することが確認され、最適なパrameter選定を支援する。
• 広範な比較により、MILDは最先端のLCD手法と比較して、正確性とスピードの両面で優れた性能を示す。
• MIHを用いた直接的特徴マッチングは、従来のバッグ・オブ・ワーズアプローチと比較して、リtrieval性能を顕著に向上させる。
• 複数のハッシュインデックスの使用により、マッチングのロバスト性が向上し、誤検出が低減される。