用于变化环境下鲁棒视觉定位的2-实体RANSAC
机器人学
2020-02-28 v3
摘要
视觉定位因其低成本且稳定的传感器而受到相当关注，这在自动驾驶、巡检机器人和无人机等诸多应用中备受青睐。然而，当前的视觉定位方法仍难以应对跨天气与季节的环境变化，因为地图与查询图像之间存在显著的外观差异。此情形下的关键挑战在于离群点（即错误的特征匹配）比例很高。本文中，我们借助惯性测量推导了3D-2D定位的极小闭式解，仅使用2对点匹配或1对点匹配与1对线匹配。这些解进一步被用于所提出的2-实体RANSAC中，由于线和点特征可同时使用且用于位姿计算的匹配数减少，该方法对离群点更为鲁棒。此外，我们引入了三种具有不同优势的特征采样策略，实现了自动选择机制。借助该机制，我们的2-实体RANSAC可适应不同片段中特征类型分布各异的环境。最后，我们在合成与真实世界数据集上评估了该方法，验证了其在跨时段场景中的性能与有效性。
引用
@article{arxiv.1903.03967,
title = {2-Entity RANSAC for robust visual localization in changing environment},
author = {Yanmei Jiao and Yue Wang and Bo Fu and Xiaqing Ding and Qimeng Tan and Lei Chen and Rong Xiong},
journal= {arXiv preprint arXiv:1903.03967},
year = {2020}
}
备注
IROS 2019