锁定目标：利用动态车辆施加的运动约束改进视觉定位
机器人学
2023-07-03 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
大多数6-DoF定位与SLAM系统使用静态路标但忽略动态物体，因为它们无法被有效纳入典型流程。在已纳入动态物体的工作中，典型方法试图对这些物体进行较复杂的识别与定位，限制了其鲁棒性或通用性。在本研究中，我们提出一种折中方案，以自动驾驶车辆为背景演示，利用动态车辆在以帧为单位的6-DoF PnP-RANSAC定位流程中提供有限的位姿约束信息。我们用运动模型细化初始位姿估计，并提出一种计算未来位姿估计预测质量的方法，其触发基于自动驾驶车辆的运动是否受环境中动态车辆相对帧间位置约束。我们的方法检测并识别合适的动态车辆以定义这些位姿约束来修改位姿滤波器，与最先进的基线单图像PnP方法及其原始位姿滤波相比，在从到的一系列定位容差下召回率均有提升。我们的约束检测系统在Ford AV数据集上约的时间处于激活状态，且当约束检测激活时定位改善尤为明显。
引用
@article{arxiv.2306.17529,
title = {Locking On: Leveraging Dynamic Vehicle-Imposed Motion Constraints to Improve Visual Localization},
author = {Stephen Hausler and Sourav Garg and Punarjay Chakravarty and Shubham Shrivastava and Ankit Vora and Michael Milford},
journal= {arXiv preprint arXiv:2306.17529},
year = {2023}
}
备注
Accepted to IROS 2023