CPO：面向含变化场景的鲁棒全景图到点云定位

我们提出 CPO，一种快速且鲁棒的算法，用于将 2D 全景图相对于可能包含变化的场景的 3D 点云进行定位。为鲁棒地处理场景变化，我们的方法偏离传统的特征点匹配，聚焦于全景图像所提供的空间上下文。具体而言，我们提出高效的颜色直方图生成以及随后使用分数图的鲁棒定位。通过利用球面投影特有的等变性质，我们针对大量相机位姿提出了非常快速的颜色直方图生成方法，而无需为所有候选位姿显式渲染图像。我们将全景图与点云的区域一致性累积为 2D/3D 分数图，并用其加权输入颜色值以进一步增强鲁棒性。加权颜色分布可快速找到良好的初始位姿，并实现基于梯度优化的稳定收敛。CPO 轻量且在所有测试场景中实现了有效定位，尽管存在场景变化、重复结构或无特征区域等透视相机视觉定位的典型挑战，仍表现出稳定性能。代码可在 \url{https://github.com/82magnolia/panoramic-localization/} 获取。