AirLoc：基于物体的室内重定位
计算机视觉与模式识别
2023-04-04 v1
摘要
室内重定位对于自主探索等机器人任务以及商场中用手机导航等民用应用都至关重要。一些先前的方法采用关键点特征或局部纹理等几何信息来进行室内重定位，但它们要么在视觉相似场景的环境中容易失败，要么需要大量数据库图像。受人类常通过识别独特地标来记忆地点这一事实的启发，我们诉诸于比几何元素信息更丰富的物体。本工作中，我们提出一种简单而有效的基于物体的室内重定位方法，称为AirLoc。为克服物体重识别与记忆物体关系的关键挑战，我们提取物体级外观嵌入与物体间几何关系。几何与外观特征被整合以生成累积场景特征。这造就了一个鲁棒、准确且可移植的室内重定位系统，在房间级重定位上以PR-AUC提升9.5%、准确率提升7%优于最先进方法。除详尽评估外，我们还进行了真实世界测试，其中AirLoc在严重遮挡、感知混叠、视角偏移和形变等挑战下展现出鲁棒性。
引用
@article{arxiv.2304.00954,
title = {AirLoc: Object-based Indoor Relocalization},
author = {Aryan and Bowen Li and Sebastian Scherer and Yun-Jou Lin and Chen Wang},
journal= {arXiv preprint arXiv:2304.00954},
year = {2023}
}