BEV-Patch-PF：基于BEV-空中特征匹配的粒子滤波用于离-road 地理定位
机器人学
2026-03-10 v2 计算机视觉与模式识别
摘要
我们提出 BEV-Patch-PF，一种集成粒子滤波与学习型鸟瞰视角（BEV）与空中特征图的 GPS 免除顺序地理定位系统。从 onboard RGB 与深度图像中构建 BEV 特征图。对每个 3-DoF 粒子姿态假设，在围绕近似位置查询的局部空中图像上计算的空中特征图中裁剪对应的 patch。BEV-Patch-PF 通过匹配 BEV 特征与空中 patch 特征计算每个粒子的对数似然值。在两个真实世界离-road 数据集上，我们的方法在 seen 路线上实现了 9.7 倍的绝对轨迹误差（ATE）降低，在 unseen 路线上实现 6.6 倍的 ATE 降低，同时在密集树荫与阴影下仍保持准确性。该系统在 NVIDIA Tesla T4 上以 10Hz 实时运行，支持实际机器人部署。
引用
@article{arxiv.2512.15111,
title = {BEV-Patch-PF: Particle Filtering with BEV-Aerial Feature Matching for Off-Road Geo-Localization},
author = {Dongmyeong Lee and Jesse Quattrociocchi and Christian Ellis and Rwik Rana and Amanda Adkins and Adam Uccello and Garrett Warnell and Joydeep Biswas},
journal= {arXiv preprint arXiv:2512.15111},
year = {2026}
}