D-InLoc++：动态环境中的室内定位
计算机视觉与模式识别
2022-09-22 v1
摘要
大多数最先进的定位算法依赖鲁棒的相对位姿估计与几何验证，以在复杂室内环境中获得独立于运动物体的相机位姿。然而，若场景包含重复结构（如书桌、桌子、箱子或移动的人），该方法易出错。我们表明可移动物体会带来不可忽略的定位误差，并提出一种新的直接方法来更鲁棒地预测六自由度（6DoF）位姿。我们为定位流水线 InLoc 配备了实时实例分割网络 YOLACT++。动态物体的掩码被用于相对位姿估计步骤及相机位姿提议的最终排序中。首先，我们滤除位于动态物体掩码上的匹配点。其次，我们跳过查询图像与合成图像在移动物体相关区域上的比较。该过程带来了更鲁棒的定位。最后，我们描述并改进了合成图像与查询图像间基于梯度的比较所导致的错误，并发布了一个从 Matterport 扫描中模拟含可移动物体环境的新流水线。所有代码均可在 github.com/dubenma/D-InLocpp 获取。
引用
@article{arxiv.2209.10185,
title = {D-InLoc++: Indoor Localization in Dynamic Environments},
author = {Martina Dubenova and Anna Zderadickova and Ondrej Kafka and Tomas Pajdla and Michal Polic},
journal= {arXiv preprint arXiv:2209.10185},
year = {2022}
}
备注
GCPR2022