通用地点识别综述：迈向真实世界自主时代
机器人学
2022-09-13 v1 计算机视觉与模式识别
摘要
地点识别是能够辅助同步定位与建图（SLAM）进行回环检测与长期导航重定位的基础模块。地点识别领域在过去年取得了惊人进展，并在计算机视觉与机器人等多个领域吸引了广泛研究兴趣与应用。然而，极少有方法在复杂真实世界场景中展现出良好地点识别性能，其中长期与大规模外观变化通常导致失败。此外，最先进方法间缺乏一个能处理地点识别中所有挑战（包括外观变化、视角差异、对未知区域的鲁棒性以及真实应用的效率）的集成框架。本工作中，我们综述面向长期定位的最先进方法并讨论未来方向与机遇。我们首先探究长期自主中地点识别的 formulation 与真实环境中的主要挑战。随后回顾近期针对不同传感器模态的地点识别工作及应对各类地点识别挑战的当前策略。最后，我们回顾现有长期定位数据集并介绍我们的数据集与面向不同方法的评估API。本文可作为地点识别领域新研究者及关注长期机器人自主者的教程。我们还就机器人领域常见问题给出见解：机器人是否需要精确位姿以实现长期自主？本工作的总结及我们的数据集与评估API公开于机器人社区：https://github.com/MetaSLAM/GPRS。
引用
@article{arxiv.2209.04497,
title = {General Place Recognition Survey: Towards the Real-world Autonomy Age},
author = {Peng Yin and Shiqi Zhao and Ivan Cisneros and Abulikemu Abuduweili and Guoquan Huang and Micheal Milford and Changliu Liu and Howie Choset and Sebastian Scherer},
journal= {arXiv preprint arXiv:2209.04497},
year = {2022}
}
备注
20 pages, 10 figures. Submitted to IEEE T-RO survey paper