[Research.001] Practice makes Perfect? The Role of Place-Dependent Expertise in Mobile Robotics - IROS2015 - Talk - Paul Newman

1. Shall we trade everywhere mediocrity for place-specific excellence

• wherever, whever, whatever the weather
• Experience-based Navigation (IJRR2013)
• Experience diversity makes localisation robust

Paste_Image.png

• 三组试验中，系统产生不同的匹配结果。第一组与第三组可以完全匹配，但第二组只有两幅场景完成了匹配

2. Learning never stops but life becomes less surprising

Paste_Image.png

• 新知识在最初被一一记录

• 随着系统的发展和变化，我们不再面对大量新的知识，而此时模型也就逐渐建立。

• 中间的那个波动，可以理解为天气的剧烈变化导致场景的不同

3. We have a memory management problem

• Linegar, Churchill, Newman ICRA2015

Paste_Image.png

对阳光的处理

Paste_Image.png

• Colour Explained
• 用公式描述颜色在相机中的成像

Paste_Image.png

Paste_Image.png

• McManus, ICRA2014

对场景大范围变化的处理

Paste_Image.png

• 上图中，同一个场景，发生了很大的变化

Paste_Image.png

• 选择大片特殊的区域，来进行描述（McManus, Newman, RSS2014)

Paste_Image.png

• 将scene signatures用SVM进行分类，因此在offline得到classifiers bank，而这个过程是unsupervised
• 基本步骤

  • collect images under varying appearances at same location

  • deterministically sample patches of various shapes

  • HOG features -> SVM classifier

具体测试

Paste_Image.png

• 红色和蓝色的训练效果和测试效果很好，偏差不大
• 但绿色的bounding box出现严重偏差

统计位置进一步筛选

Paste_Image.png

一些有意思的结果

Paste_Image.png

Paste_Image.png

对路灯的处理

• Nelson Churchill, Newman ICRA2015

Training: Hard Negative Mining

Paste_Image.png

• Object Detector Traning (N Dalal and B. Triggs CVPR20015)
• 不成功的例子主要是因为对场景信息的不知道

对场景的滤波

• Hawke, Gurau, Tong, Posner FSR2015

Paste_Image.png

• 在Detector之后，引入场景Filter。例如，在这个场景下，是否会有行人目标的存在。

Paste_Image.png

![Upload Paste_Image.png failed. Please try again.]

• EBC is Handsfree, locally specific hard negative mining

Original Video: https://lecture2go.uni-hamburg.de/veranstaltungen/-/v/18334
转载请注明出处。
联系方式：kongww.nudt [at] gmail [dot] com.