NaVIP：面向视障人士的图像导向室内导航解决方案
计算机视觉与模式识别
2024-10-25 v1 人工智能
摘要
由于缺乏卫星定位，室内导航具有挑战性，这一挑战对于视障人士（VIPs）而言更为复杂，因为他们无法从指示牌获取信息。其他传感器信号（如蓝牙和LiDAR）可用于创建带有用户位置更新的逐步导航解决方案。不幸的是，这些解决方案需要在环境各处安装标签，或需要使用相对昂贵的硬件。此外，这些解决方案需要高度的手动参与，这会提高成本，限制了可扩展性。我们提出了一个图像数据集及其关联的图像导向解决方案，称为NaVIP，以实现面向视障人士的视觉智能，这是一个无基础设施、任务可扩展且可帮助VIPs理解其周围环境的解决方案。具体而言，我们精选了包含30万张手机摄像头数据的大规模数据集，覆盖四层研究楼，以奠定面向室内导航和探索的图像导向解决方案的基础。每张图像都标注了精确的6DoF相机姿态、室内热点信息（PoIs）以及描述性标题，以帮助VIPs。我们在两个主要方面进行基准测试：1）定位系统和2）探索支持，优先考虑训练可扩展性和实时推理，以验证图像解决方案向室内导航的前景。数据集、代码和模型检查点均公开于https://github.com/junfish/VIP_Navi。
引用
@article{arxiv.2410.18109,
title = {NaVIP: An Image-Centric Indoor Navigation Solution for Visually Impaired People},
author = {Jun Yu and Yifan Zhang and Badrinadh Aila and Vinod Namboodiri},
journal= {arXiv preprint arXiv:2410.18109},
year = {2024}
}
备注
40 pages, 20 figures