视觉位置识别中图像匹配不确定性的估计

在视觉位置识别（VPR）中，通过将图像与具有已知参考位姿的参考图像地图进行比较，来估计查询图像的位姿。与典型的图像检索问题一样，特征提取器将查询图像和参考图像映射到特征空间，随后在该空间中进行最近邻搜索。然而，直到最近，关于量化检索到的参考图像是正确匹配的置信度问题，鲜少受到关注。高置信度但不正确的检索可能导致基于 VPR 的定位流程发生灾难性失败。本研究首次比较了估计图像匹配不确定性的主要方法，包括传统的基于检索的不确定性估计、较新的数据驱动的偶然不确定性估计以及计算密集的几何验证。我们进一步提出了一种简单的基线方法“SUE”，与其他方法不同，该方法考虑了地图中参考图像的现成可用位姿。我们的实验表明，查询描述符与参考描述符之间简单的 L2 距离已经是比当前数据驱动方法更好的图像匹配不确定性估计。SUE 优于其他高效的不确定性估计方法，且其不确定性估计是对计算代价高昂的几何验证方法的补充。未来关于 VPR 中不确定性估计的工作应考虑本文讨论的基线方法。