MapLocNet：用于导航地图中视觉重定位的粗到细特征注册
计算机视觉与模式识别
2024-07-12 v1
摘要
鲁棒定位是自动驾驶的基石，尤其是在 GPS 信号受多路径干扰的挑战性城市环境中。传统定位方法依赖高清 (HD) 地图，这些地图包含精确标注的地标。然而，构建 HD 地图成本高昂且难以规模化。鉴于这些限制，利用导航地图正在成为一种成本效益较好的定位替代方案。目前基于导航地图的方法能够实现高度精确的定位，但其复杂的匹配策略导致推理延迟无法满足实时需求。为此，我们提出一种新型基于 transformer 的神经网络重定位方法。灵感来源于图像配准，我们的方法在导航地图和视觉鸟瞰图特征之间执行粗到细的神经特征注册。我们的方法在 nuScenes 和 Argoverse 数据集上均显著优于当前最先进的 OrienterNet，在单视图输入设置下实现约 10%/20% 的定位精度提升，在环视输入设置下实现 30/16 FPS 的性能提升。我们强调，本研究提出了一种无需 HD 地图的定位方法，为自动驾驶在挑战性驾驶环境中提供了高性价比、可靠且可扩展的性能。
引用
@article{arxiv.2407.08561,
title = {MapLocNet: Coarse-to-Fine Feature Registration for Visual Re-Localization in Navigation Maps},
author = {Hang Wu and Zhenghao Zhang and Siyuan Lin and Xiangru Mu and Qiang Zhao and Ming Yang and Tong Qin},
journal= {arXiv preprint arXiv:2407.08561},
year = {2024}
}
备注
IROS 2024 (Oral)