单目重定位综述：从场景地图表示的视角

单目重定位（MRL）是自主应用中的关键组件，基于单目图像估计相对于场景地图的六自由度自身位姿。近几十年来，MRL 技术的发展取得了显著进展。众多算法在定位精度与鲁棒性方面取得了卓越成功。在 MRL 中，场景地图以多种形式表示，它们决定了 MRL 方法的工作方式与性能表现。然而，据我们所知，现有综述并未就 MRL 解决方案与其所用场景地图表示之间的关系提供系统性回顾。本综述从这一视角出发全面回顾 MRL 方法，弥补了该空白，促进进一步研究。1) 我们首先深入探讨 MRL 的问题定义，探索当前挑战，并将我们的工作与现有综述进行比较。2) 许多知名 MRL 方法根据所用地图的表示形式被分类并回顾为五类，即地理标记帧、视觉路标、点云、矢量化语义地图和基于神经网络的地图。3) 为定量且公平地比较使用不同地图的 MRL 方法，我们介绍了一些公开数据集并给出了若干 SOTA MRL 方法的性能。分析了使用不同地图的 MRL 方法的优势与不足。4) 我们最后介绍了该领域一些令人关注的话题并给出个人见解。本综述可作为 MRL 有价值的参考资料，其持续更新的总结已在社区公开：https://github.com/jinyummiao/map-in-mono-reloc。