通过地-卫星图像配准提高SLAM位姿精度
机器人学
2024-04-16 v1
摘要
基于视觉的自动驾驶定位一直备受研究者关注。当没有预先构建的三维地图时，通常采用视觉同步定位与建图（SLAM）技术。由于误差累积，视觉SLAM（vSLAM）通常存在长期漂移问题。本文提出了一种通过将vSLAM与基于深度学习的地-卫星（G2S）图像配准方法相融合来提高定位精度的框架。在该框架中，设计了一种从粗（空间相关性边界检查）到精（视觉里程计一致性检查）的方法来选择有效的G2S预测。然后，通过求解一个尺度位姿图问题，将选定的预测与SLAM测量值进行融合。为了进一步提高定位精度，我们提供了一个迭代轨迹融合流程。所提出的框架在两个著名的自动驾驶数据集上进行了评估，结果证明了其在车辆定位方面的准确性和鲁棒性。
引用
@article{arxiv.2404.09169,
title = {Increasing SLAM Pose Accuracy by Ground-to-Satellite Image Registration},
author = {Yanhao Zhang and Yujiao Shi and Shan Wang and Ankit Vora and Akhil Perincherry and Yongbo Chen and Hongdong Li},
journal= {arXiv preprint arXiv:2404.09169},
year = {2024}
}
备注
7 pages, 6 figures, to be published in 2024 International Conference on Robotics and Automation (ICRA)