[论文解读] MILD: Multi-Index hashing for Loop closure Detection

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

Algorithms and Data Compression被引用 4

一句话总结

MILD 提出了一种基于多索引哈希（MIH）的实时回环检测系统，通过直接特征匹配实现高效且高召回率的图像相似性匹配，避免了词袋表示方法。该方法在延迟（每张图像35ms）和召回率（最高达94.5%）方面均优于SIFT/SURF和基于二值特征的方法，实现了最先进水平的性能。

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.

研究动机与目标

• 解决因词袋表示中聚类效果差而导致的基于二值特征的回环检测召回率低的问题。
• 在保持高精度的同时，克服基于SIFT/SURF方法的高计算成本。
• 实现实时回环检测，支持单张查询图像中存在多个回环，不同于大多数先前方法假设仅存在单一回环。
• 开发一种基于MIH的高效近似相似性度量方法，平衡精度与计算复杂度。
• 提供基于MIH的相似性近似方法的理论概率分析，以指导参数选择并确保性能鲁棒性。

提出的方法

• 用基于二值ORB特征的直接特征匹配替代传统的词袋表示方法。
• 应用多索引哈希（MIH）对二值特征描述子进行索引，实现快速近似最近邻搜索。
• 使用多个哈希表，每张表基于二值描述子的子串（每个16位，共16个子串）进行构建，以提升检索效率。
• 在基于MIH的相似性得分上应用贝叶斯推理以选择回环，并引入置信度阈值。
• 设定汉明距离阈值（d₀ = 60）和回环概率阈值（P₀ = 0.7）以筛选候选结果。
• 丢弃碰撞频率较高的哈希条目，以减少内存和计算开销，且不显著影响精度。

实验结果

研究问题

• RQ1 多索引哈希能否在不依赖词袋表示的前提下，实现高精度、实时的回环检测？
• RQ2 基于MIH的图像相似性近似中，精度与效率之间的权衡关系如何？能否进行理论分析？
• RQ3 MILD能否在单张查询图像中检测到多个回环？与先前研究中假设的单回环相比有何差异？
• RQ4 MILD在召回率和延迟方面与最先进的SIFT/SURF及基于二值特征的方法相比表现如何？
• RQ5 MILD的内存和计算开销如何？是否适合在移动或嵌入式设备上部署？

主要发现

• 在NewCollege数据集上，MILD的召回率为87.3%；在Lip6Indoor数据集上达到94.5%，显著优于BOBW（30.6%和41.9%）与IBuILD（38%和25.5%）的精度表现。
• MILD平均处理每张图像仅需35ms，远快于RTABMAP（700ms）和Angeli（753ms），同时召回率保持或超过它们。
• 该方法在精度上可与基于SIFT/SURF的方法（如RTABMAP中98%的召回率）相媲美，但延迟降低约20倍。
• 内存占用极低——NewCollege数据集仅需84MB，适合在移动设备和嵌入式系统中部署。
• 对基于MIH的相似性近似的理论分析揭示了精度与复杂度之间的清晰权衡关系，且与实验结果一致。
• MILD成功实现了单张查询图像中多个回环的检测，在复杂重复环境场景中表现出强鲁棒性。