OrienterNet：基于神经匹配在 2D 公共地图中视觉定位
计算机视觉与模式识别
2023-04-05 v1
摘要
人类可以使用简单的 2D 地图在 3D 环境中确定自身方位。不同的是，视觉定位算法主要依赖复杂的 3D 点云，其构建、存储与长期维护成本高昂。我们通过引入 OrienterNet 弥合这一差距，这是首个可使用与人类相同的 2D 语义地图以亚米级精度定位图像的深度神经网络。OrienterNet 通过将神经鸟瞰图与来自 OpenStreetMap 的开放且全球可用的地图进行匹配来估计查询图像的位置与朝向，使得任何人在有此类地图的地方都能进行定位。OrienterNet 仅由相机位姿监督，但能以端到端方式学习与大范围地图元素的语义匹配。为此，我们引入了一个大型众包数据集，包含从汽车、自行车和行人多样视角在 12 座城市捕获的图像。OrienterNet 可泛化到新数据集，并推动了机器人与 AR 场景中的前沿水平。代码与训练模型将公开发布。
引用
@article{arxiv.2304.02009,
title = {OrienterNet: Visual Localization in 2D Public Maps with Neural Matching},
author = {Paul-Edouard Sarlin and Daniel DeTone and Tsun-Yi Yang and Armen Avetisyan and Julian Straub and Tomasz Malisiewicz and Samuel Rota Bulo and Richard Newcombe and Peter Kontschieder and Vasileios Balntas},
journal= {arXiv preprint arXiv:2304.02009},
year = {2023}
}
备注
CVPR 2023