LaLaLoc:动态未访问环境中的潜在布局定位
计算机视觉与模式识别
2021-10-13 v2
摘要
我们提出LaLaLoc,用于在无需预先访问的环境中进行定位,并且对场景外观的大幅变化(如家具的完全重新布置)具有鲁棒性。具体而言,LaLaLoc通过房间布局的潜在表示来执行定位。LaLaLoc学习一个丰富的嵌入空间,该空间在RGB全景图与从已知平面图推断出的布局之间共享,编码了位置间的结构相似性。此外,LaLaLoc在其潜在空间中引入直接的跨模态位姿优化。因此,LaLaLoc能够在无需预先访问的场景中实现细粒度位姿估计,并且对诸如家具配置变化等动态具有鲁棒性。我们表明,在居家环境中,仅以平面图作为先验,LaLaLoc能够将单张RGB全景图图像精确定位至8.3cm以内。
引用
@article{arxiv.2104.09169,
title = {LaLaLoc: Latent Layout Localisation in Dynamic, Unvisited Environments},
author = {Henry Howard-Jenkins and Jose-Raul Ruiz-Sarmiento and Victor Adrian Prisacariu},
journal= {arXiv preprint arXiv:2104.09169},
year = {2021}
}
备注
As presented at the International Conference on Computer Vision (ICCV) 2021