通用地点识别综述：通向现实世界自主性
机器人学
2025-03-11 v2 计算机视觉与模式识别
摘要
在机器人领域，实现具备大规模和长期操作能力的现实世界自主性，使地点识别 (PR) 成为一项核心技术。尽管PR社区在过去二十年间取得了显著进展，吸引了计算机视觉和机器人等领域的关注，但开发足以支持现实世界机器人系统的PR方法仍然是一个挑战。本文旨在通过突出PR在SLAM 2.0框架中的关键作用来弥合这一鸿沟。该新的机器人导航阶段需要可扩展、可适应且高效的PR解决方案，通过整合先进的人工智能 (AI) 技术实现。为此目标，我们提供了当前最先进 (SOTA) PR进展的综合回顾，同时概述剩余挑战，并强调其在机器人中的广泛应用。本文首先探讨PR的表述形式和关键研究挑战。我们广泛审阅文献，聚焦于与PR相关的方法，特别是关于地点表示和解决各种PR挑战的方法。展示PR在机器人中潜在应用的案例、关键PR数据集以及开源库也被讨论。我们结尾讨论PR的未来方向，并在https://github.com/MetaSLAM/GPRS 总结所覆盖的文献。
引用
@article{arxiv.2405.04812,
title = {General Place Recognition Survey: Towards Real-World Autonomy},
author = {Peng Yin and Jianhao Jiao and Shiqi Zhao and Lingyun Xu and Guoquan Huang and Howie Choset and Sebastian Scherer and Jianda Han},
journal= {arXiv preprint arXiv:2405.04812},
year = {2025}
}
备注
20 pages, 12 figures, accepted by IEEE Transactions on Robotics as Survey Paper