Vizuální lokalizace a navigace v proměnném prostředí

Abstract

Tato práce se zabývá srovnáním různých metod pro vizuální lokalizaci a navigaci v proměnném prostředí. Metody testu-jeme na vlastním datasetu nasbíraném na parkovišti. Srovnáváme metody pro vyhledávání a zarovnávání obrázků. Tes-tujeme metody využívající bodové vzorky: Bag-of-Words a VLAD; s vzorky: SIFT, SURF, BRIEF a jejími variantami. Tes-tujeme metody bez bodových vzorků: GIST a metody využívající neuronové sítě: ConvNet Landmarks, NetVLAD a zarovnání pomocí plně konvoluční siamské neuronové sítě. Testujeme vliv různých metod pro modelování: FAB-MAP a Fre-MEn. Z výsledků plyne, že pro vyh-ledávání obrázků je nejelepší NetVLAD a pro zarovnání je nejlepší plně konvoluční neuronová síť.The goal of this thesis is comparison of different approaches for visual localisation and navigation in changing environments. The tests are performed on a custom dataset collected on a car park. We compare the methods of image retrieval and image alignment separately. We test feature-based methods, namely Bag-of-Words and VLAD, with features SIFT, SURF, BRIEF and their variants. We test feature-less methods GIST and neural-network-based methods, namely ConvNet Landmarks, NetVLAD and image alignment using fully-convolutional neural network. We test the influence of some modelling methods, namely FABMAP and FreMEn. It turns out that NetVLAD is the best method for image retrieval and fully-convolutional siamese neural network is the best method for image alignment.