Recently, Maddern et al. report an

Recently, Maddern et al. report an improvement to the robustness of FAB-Map by incorporating
odometric information into the place recognition process. [28] Propose BRIEF-GIST,
a very simplistic appearance-based place recognition system based on the BRIEF descriptor.
BRIEF-GIST is much easier to implement and its performance is comparable to FAB-MAP.
In our point of view, an incremental map is able to support us in improving matching results.
Therefore, different from the systems mentioned above, we attempt to create a rich map as
good as possible through many trials. When new observations arrive, these new observations
must be locally and globally consistent with the previously constructed map. To this end
we employ the the loop closure algorithms from [5], [20]. Furthermore, we pay significant
attention to the creation of the visual dictionary. We deploy the GIST features [22], a holistic
representation of the natural scenes. Selection of the most representative frames helps to
construct a robust visual dictionary of the environment.

Kết quả (Việt) 1:

Gần đây, Maddern et al. thông báo một cải tiến cho mạnh mẽ của FAB-bản đồ bằng cách kết hợpodometric thông tin vào quá trình công nhận ra. [28] đề xuất giới thiệu tóm tắt-GIST,một rất đơn giản dựa trên xuất hiện nơi công nhận hệ thống dựa trên mô tả ngắn gọn.Giới thiệu tóm tắt-GIST là dễ dàng hơn để thực hiện và hiệu quả của nó được so sánh với bản đồ FAB.Trong quan điểm của chúng tôi, một bản đồ gia tăng có thể hỗ trợ chúng tôi trong việc cải thiện kết quả phù hợp.Do đó, khác với các hệ thống được đề cập ở trên, chúng tôi cố gắng tạo ra một bản đồ phong phú nhưtốt nhất có thể thông qua nhiều thử nghiệm. Khi quan sát mới đến nơi, các quan sát mớiphải tại địa phương và toàn cầu phù hợp với bản đồ được xây dựng trước đó. Để kết thúc nàychúng tôi sử dụng các thuật toán vòng lặp đóng cửa từ [5], [20]. Hơn nữa, chúng tôi trả tiền đáng kểquan tâm đến việc tạo ra các từ điển trực quan. Chúng tôi triển khai các GIST tính năng [22], một toàn diệnđại diện của cảnh tự nhiên. Lựa chọn của các khung hình đại diện nhất giúpxây dựng một từ điển hình ảnh mạnh mẽ của môi trường.

Kết quả (Việt) 2:

Gần đây, Maddern et al. báo cáo một sự cải tiến cho sự vững mạnh của FAB-Map bằng cách kết hợp
odometric thông tin vào quá trình công nhận nơi. [28] Đề xuất LƯỢC-GIST,
một hệ thống nhận dạng vị trí xuất hiện dựa trên rất đơn giản dựa trên mô tả LƯỢC.
SƠ LƯỢC-GIST là dễ dàng hơn nhiều để thực hiện và hiệu quả của nó được so sánh với FAB-MAP.
Theo quan điểm của chúng tôi, một bản đồ gia tăng có thể hỗ trợ chúng tôi trong việc cải thiện kết quả phù hợp.
Do đó, khác với các hệ thống đã đề cập ở trên, chúng tôi cố gắng để tạo ra một bản đồ phong phú như là
tốt nhất có thể thông qua nhiều thử thách. Khi quan sát mới đến, những quan sát mới
phải tại địa phương và trên toàn cầu phù hợp với bản đồ được xây dựng trước đó. Để kết thúc
này, chúng tôi sử dụng các thuật toán vòng lặp đóng cửa từ [5], [20]. Hơn nữa, chúng tôi phải trả đáng kể
sự quan tâm đến việc tạo ra các từ điển bằng hình. Chúng tôi triển khai các tính năng GIST [22], một tổng
đại diện của cảnh quan thiên nhiên. Lựa chọn của khung hình đại diện nhất giúp
xây dựng một từ điển bằng hình mạnh mẽ của môi trường.