基于稠密语义三维地图与混合特征的长期视觉定位
计算机视觉与模式识别
2020-05-22 v1
摘要
视觉定位在许多应用中发挥着重要作用。然而，由于季节与光照变化以及天气与昼夜变化等较大的外观差异，鲁棒的长期使用视觉定位算法仍是一大挑战。在本文中，我们提出一种利用手工与学习混合特征及稠密语义三维地图的新型视觉定位方法。混合特征帮助我们充分利用其在不同成像条件下的优势，而稠密语义地图为我们提供了可靠且完整的几何与语义信息，以构建具有语义一致性分数的充分 2D-3D 匹配对。在我们的流程中，我们通过稠密模型与查询图像之间的语义一致性来检索并对每个候选数据库图像打分。随后该语义一致性分数被用作基于加权 RANSAC 的 PnP 位姿求解器中的软约束。在长期视觉定位基准上的实验结果表明，与当前最优（state-of-the-art）方法相比，我们的方法有效。
引用
@article{arxiv.2005.10766,
title = {Dense Semantic 3D Map Based Long-Term Visual Localization with Hybrid Features},
author = {Tianxin Shi and Hainan Cui and Zhuo Song and Shuhan Shen},
journal= {arXiv preprint arXiv:2005.10766},
year = {2020}
}