基于实例知识与深度知识的无地图视觉重定位

无地图重定位技术对于自动导航和增强现实中的应用至关重要，但常常不实用。它面临匹配方法限制以及单目图像固有的尺度不足这两个挑战。这些问题导致在实际场景中出现显著的旋转和度量误差甚至定位失败。较大的匹配误差显著影响整个重定位过程，影响旋转和平移精度。由于相机本身的局限性，从单张图像中恢复度量尺度至关重要，因为这显著影响平移误差。为解决这些挑战，我们提出一种基于实例知识和深度知识增强的无地图重定位方法。通过利用基于实例的匹配信息来改善全局匹配结果，我们的方法显著降低了不同对象之间错误匹配的可能性。实例知识在场景中的鲁棒性帮助特征点匹配模型聚焦于相关区域并提高匹配精度。此外，我们使用从单张图像估计的度量深度来减少度量误差并提高尺度恢复精度。通过集成专门用于减缓大平移和旋转误差的方法，我们的方法在无地图重定位技术方面显示出优越性能。