iSimLoc：基于仿真图像对未知环境的视觉全局定位
计算机视觉与模式识别
2022-09-15 v1 机器人学
摘要
视觉相机在超视距（B-VLOS）无人机操作中是一种颇具吸引力的设备，因为它们在尺寸、重量、功耗和成本上均较低，并且能在 GPS 失效时提供冗余模态。然而，最先进的视觉定位算法无法匹配因光照或视角导致外观显著不同的视觉数据。本文提出 iSimLoc，一种条件/视角一致的分层全局重定位方法。iSimLoc 的地点特征可用于在外观与视角变化下搜索目标图像。此外，我们的分层全局重定位模块以由粗到精的方式细化，使 iSimLoc 能够快速且准确地估计。我们在一个具有外观变化的数据集和一个专注于演示复杂环境下长距离飞行大规模匹配的数据集上评估了我们的方法。在我们的两个数据集上，iSimLoc 以 1.5s 推理时间实现了 88.7% 和 83.8% 的成功检索率，而次优方法的成功率分别为 45.8% 和 39.7%。这些结果展示了在一系列环境中的鲁棒定位。
引用
@article{arxiv.2209.06376,
title = {iSimLoc: Visual Global Localization for Previously Unseen Environments with Simulated Images},
author = {Peng Yin and Ivan Cisneros and Ji Zhang and Howie Choset and Sebastian Scherer},
journal= {arXiv preprint arXiv:2209.06376},
year = {2022}
}
备注
17 pages, 16 Figures, Conditional accpted by IEEE Transactions on Robotics