[논문 리뷰] MILD: Multi-Index Hashing Based Loop Closure Detection

Lei Han, Lu Fang|arXiv (Cornell University)|2017. 02. 28.

Robotics and Sensor-Based Localization참고 문헌 18인용 수 3

한 줄 요약

MILD는 다중 색인 해싱(MIH)을 사용하여 직접적인 특징 매칭을 통해 전통적인 이진 벡터의 중심점 모호성 문제를 피하고, 실시간 루프 클로징 탐지 성능을 향상시키기 위해 고재현도 이미지 유사도 매칭을 구현하는 실시간 루프 클로징 탐지 방법을 제안한다. MILD는 MIH의 확률적 분석을 통해 근사 정확도와 계산 비용 사이의 이론적 균형을 확립함으로써 뛰어난 효율성과 정확도를 달성한다.

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.

연구 동기 및 목표

• 고차원 이진 기능 기반 루프 클로징 탐지에서 발생하는 낮은 재현도 문제를 해결하기 위해 고차원 이진 기능 기반의 중심점 정의가 불명확한 문제를 해결한다.
• 재현도를 희생시키지 않고도 실시간 성능을 확보하기 위한 루프 클로징 탐지 방법을 개발한다.
• 중심점 기반 표현에 의존하지 않고 다중 색인 해싱(MIH)을 활용해 직접적인 특징 매칭을 수행하는 방법을 개발한다.
• MIH 기반 근사 이미지 유사도 측정에서 정확도와 효율성 간의 이론적 트레이드오프를 분석한다.
• 최신 기술 대비 뛰어난 성능을 보여주기 위해 효율성과 정확도 측면에서의 우수성을 입증한다.

제안 방법

• MILD는 다중 색인 해싱(MIH)을 사용해 이진 기능 기반 기반 특징 기술자를 색인화하여 효율적이고 근사적인 유사도 검색을 가능하게 한다.
• 중심점 기반 표현에 의존하지 않고 MIH를 활용해 직접적인 특징 매칭을 수행함으로써 재현도를 향상시킨다.
• MIH 기반 유사도 측정에서 근사 정확도와 계산 효율성 간의 트레이드오프를 분석하기 위해 확률적 프레임워크를 사용한다.
• 다양한 무작위 투영을 사용하는 여러 해시 테이블을 구성함으로써 매칭의 강건성 향상과 거짓 음성 감소를 달성한다.
• 다중 색인 간 해시 코드의 교차를 통해 이미지 유사도를 계산함으로써 검색 정밀도를 향상시킨다.
• 계산 오버헤드를 최소화하면서도 높은 재현도를 유지함으로써 실시간 운영을 위한 설계가 이루어진다.

실험 결과

연구 질문

• RQ1 루프 클로징 탐지에서 계산 복잡도를 증가시키지 않으면서도 고재현도를 달성할 수 있는 방법은 무엇인가?
• RQ2 MIH 기반 근사 이미지 유사도 측정에서 정확도와 효율성 간의 이론적 트레이드오프는 무엇인가?
• RQ3 MIH를 통한 직접적 특징 매칭이 중심점 기반의 백터-오브-워드 방법에 비해 재현도와 속도 면에서 뛰어나게 작용할 수 있는가?
• RQ4 실생활 SLAM 환경에서 MIH 기반 유사도 측정은 최신 기술 대비 어떻게 비교되는가?
• RQ5 다중 색인화가 루프 클로징 탐지의 강건성과 재현도에 미치는 영향은 무엇인가?

주요 결과

• MILD는 고차원 이진 기능 기반 중심점의 모호성을 피함으로써 중심점 기반 이진 기능 방법보다 더 높은 재현도를 달성한다.
• MIH 기반 특징 매칭의 낮은 계산 오버헤드 덕분에 실시간 성능가 유지된다.
• 이론적 분석을 통해 MIH 기반 근사 정확도와 효율성 간의 정량적 트레이드오프가 확인되었으며, 최적의 파라미터 선택을 안내한다.
• 광범위한 비교 분석을 통해 MILD는 최신 기술 대비 정확도와 속도 면에서 뛰어난 성능을 보였다.
• MIH를 통한 직접적 특징 매칭은 기존의 백터-오브-워드 접근 방식에 비해 검색 성능을 크게 향상시켰다.
• 다중 해시 인덱스의 사용은 매칭의 강건성 향상과 거짓 음성 감소에 기여하였다.