LoD-Loc：基于 LoD 3D 地图的无人机空中视觉定位
计算机视觉与模式识别
2024-10-17 v1
摘要
我们提出一种名为 LoD-Loc 的新方法，用于空中视觉定位。不同于现有定位算法，LoD-Loc 不依赖复杂的 3D 表示，而是利用等级细节 (Level-of-Detail, LoD) 3D 地图来估计无人机 (UAV) 的姿态。LoD-Loc 通过将从 LoD 投影模型中推导出的线框与神经网络预测的线框进行对齐来实现此目标。具体而言，给定由 UAV 传感器提供的粗略姿态，LoD-Loc 分层构建均匀采样的姿态假设的代数体，以描述姿态概率分布并选取概率最大的姿态。该体积中每个代数用于衡量投影线框与预测线框之间的线条对齐程度。LoD-Loc 还开发了一种基于可微高斯牛顿法的 6 自由度姿态优化算法，以细化前一步结果。由于目前没有针用于该问题的公开数据集，我们收集了 LoD3.0 和 LoD2.0 两个数据集，包含真实 RGB 查询图像和 ground-truth 姿态标注。我们对方法进行基准测试，表明 LoD-Loc 性能卓越，甚至优于当前使用带纹理 3D 模型进行定位的前沿方法。代码和数据集已提供。
关键词
引用
@article{arxiv.2410.12269,
title = {LoD-Loc: Aerial Visual Localization using LoD 3D Map with Neural Wireframe Alignment},
author = {Juelin Zhu and Shen Yan and Long Wang and Shengyue Zhang and Yu Liu and Maojun Zhang},
journal= {arXiv preprint arXiv:2410.12269},
year = {2024}
}
备注
Accepted by NeurIPS 2024; for Project page, see https://victorzoo.github.io/LoD-Loc.github.io/