003 Метод визуального распознавания местности NetVLAD для локализации локомотива

УДК 004.93                                     DOI 10.34649/AT.2020.10.10.003

Метод визуального распознавания местности NetVLAD для локализации локомотива

Мащенко П.Е., ООО «ЛокоТех-Сигнал», заместитель генерального директора, Россия, Москва

Ширяев П.П., ООО «ЛокоТех-Сигнал», специалист по компьютерному зрению, Россия, Москва

Ключевые слова: метод визуального распознавания местности, локализация, нейронные сети, глубокое обучение, железная дорога, NetVLAD, ВЛАД

Аннотация. В статье приводится краткий обзор методов визуального распознавания местности (ВРМ) – эффективного решения по локализации локомотивов. Раскрываются особенности применения таких методов в железнодорожной отрасли. Описывается структура построения систем с алгоритмом ВРМ. Рассмотрен принцип работы нейронной сети NetVLAD [1], как быстрого, точного и робастного метода по идентификации текущей локации. Демонстрируется эксперимент с реальными данными, полученными системой машинного зрения гибридного маневрового локомотива ТЭМ5Х. Приводятся результаты эксперимента и рекомендации по реализации системы ВРМ с NetVLAD.

Application of the NetVLAD visual place recognition method
for locomotive localization

Mashchenko Pavel, LocoTech-Signal LLC, Head of computer vision devision, Moscow, Russia, pavel.maschenko@locotech-signal.ru

Shiriaev Pavel, LocoTech-Signal LLC, Computer vision engineer, Moscow, Russia, pavel.shiriaev@locotech-signal.ru

Keywords: visual place recognition, localization, neural network, deep learning, railway

Summary: This article provides a brief overview of visual place recognition (VPR) methods as an effective solution for the localization of locomotives. The paper describes the features of using VPR methods in railway transport. Development pipeline of systems with VPR algorithm is presented. The operation of neural network NetVLAD [1], which shows accurate, fast and robust place identification, is demonstrated. The article describes an experiment with real data collected by the machine vision system of the hybrid shunting locomotive TEM5X. The results of the experiment and recommendations for the NetVLAD VPR system implementation are given.