学习跨尺度视觉表征以实现实时图像地理定位
计算机视觉与模式识别
2022-05-17 v2 机器人学
摘要
在GPS拒止环境中，机器人定位仍然是一项具有挑战性的任务。基于局部传感器（如相机或IMU）的状态估计方法在长距离任务中容易因误差累积而产生漂移。本研究旨在通过在二维多模态地理空间地图中定位图像观测来解决这一问题。我们引入了跨尺度数据集以及一种从跨模态源生成额外数据的方法。我们提出了一种无需监督即可学习跨尺度视觉表征的框架。实验在来自水下和空中两个不同领域的数据上进行。与现有的跨视角图像地理定位研究相比，我们的方法a) 在较小尺度的多模态地图上表现更优；b) 计算效率更高，适用于实时应用；c) 可直接与状态估计流程协同工作。
引用
@article{arxiv.2109.04087,
title = {Learning Cross-Scale Visual Representations for Real-Time Image Geo-Localization},
author = {Tianyi Zhang and Matthew Johnson-Roberson},
journal= {arXiv preprint arXiv:2109.04087},
year = {2022}
}