基于冗余切片观测与A-原则验证的视角间定位
计算机视觉与模式识别
2025-08-08 v1
摘要
视角间定位（CVL）通过匹配地面级图像与航空参考图像来确定相机位置，使智能车在GNSS不可达环境中实现自主定位。然而，大多数CVL方法仅输出单一观测——相机姿态，缺乏测量学原理所需的冗余观测，导致难以通过观测数据之间的相互验证来评估定位可靠性。为此，我们提出Slice-Loc方法，包含A-原则可靠性验证的两个阶段。不同于将查询图像作为单一输入，Slice-Loc将其划分为子图像，为每个子图像估计3自由度姿态，创建冗余且独立的观测。随后，提出几何刚性公式以过滤错误的3自由度姿态，并合并内点以生成最终相机姿态。此外，我们提出一种模型，通过估计错误警报数量（NFA）来量化定位的有意义性，依据切片图像位置的分布。通过消除 gross 错误，Slice-Loc提高了定位精度，有效检测了失效情况。在剔除误定位后，Slice-Loc将超过10米的错误比例降至3%以下。在DReSS数据集上的跨城市测试中，Slice-Loc将平均定位误差从4.47米降至1.86米，将平均姿态误差从降至，超越了当前最先进的方法。代码和数据集将在：https://github.com/bnothing/Slice-Loc 提供。
引用
@article{arxiv.2508.05369,
title = {Cross-View Localization via Redundant Sliced Observations and A-Contrario Validation},
author = {Yongjun Zhang and Mingtao Xiong and Yi Wan and Gui-Song Xia},
journal= {arXiv preprint arXiv:2508.05369},
year = {2025}
}