城市峡谷中的精确行人跟踪：一种多模态融合方法
机器人学
2026-02-02 v1
摘要
本文描述了一种旨在提高城市环境中定位精度的行人导航方法，在这些环境中GNSS性能会下降，这一问题对于依赖精确引导(例如识别正确的街道一侧)的盲人或低视力用户尤为关键。为了解决GNSS的局限性以及基于摄像头的视觉定位的不实用性，该工作提出了一种基于粒子滤波的GNSS与惯性数据融合方法，该方法融合了来自地图的空间先验信息，例如不可通行的建筑物和不太可能行走的区域，作为一种概率形式的地图匹配。惯性定位由RoNIN机器学习方法提供，与GNSS的融合通过根据粒子与GNSS估计及其不确定性的一致性对粒子进行加权来实现。该系统在旧金山downtown的六条具有挑战性的步行路线上进行了评估，使用了三个与 sidewalk 正确性和定位误差相关的指标。结果表明，融合方法(GNSS+RoNIN+PF)在大多数指标上显著优于仅使用GNSS的定位，而仅使用惯性定位结合粒子滤波在关键指标(如 sidewalk 分配和跨街误差)上也超过了仅使用GNSS的方法。
引用
@article{arxiv.2601.22406,
title = {Accurate Pedestrian Tracking in Urban Canyons: A Multi-Modal Fusion Approach},
author = {Shahar Dubiner and Peng Ren and Roberto Manduchi},
journal= {arXiv preprint arXiv:2601.22406},
year = {2026}
}