NeuroLoc：面向六自由度相机定位的导航细胞编码方法

近年来，相机定位因其高效性和便捷性在自主机器人导航中被广泛采用。然而，未知环境中的自主导航在相机定位方面常常受到场景歧义、环境干扰和动态物体变换的影响。为解决这一问题，受生物大脑导航机制（如网格细胞、位置细胞和头朝向细胞）的启发，我们提出了一种新颖的神经生物学相机定位方法，名为 NeuroLoc。首先，我们设计了一个由位置细胞驱动的赫布学习模块，用于保存和回放历史信息，旨在恢复历史表征的细节并解决场景模糊问题。其次，我们利用受头朝向细胞启发的内部方向学习作为多头注意力嵌入，以帮助在相似场景中恢复真实朝向。最后，我们在位姿回归模块中加入了三维网格中心预测，以减少最终的预测错误。我们在常用的室内和室外基准数据集上评估了所提出的 NeuroLoc。实验结果表明，我们的 NeuroLoc 仅使用单张图像，就能增强在复杂环境中的鲁棒性并提升位姿回归的性能。