PALMS+: 利用深度基础模型实现基于图像的楼层平面定位
计算机视觉与模式识别
2025-11-14 v1 人工智能
机器人学
摘要
在GPS不可用的环境中进行室内定位对于紧急响应和辅助导航等应用至关重要。基于视觉的方法如PALMS可仅通过楼层平面和静止扫描实现基础设施免除的定位,但受限于智能手机LiDAR的短程范围以及室内布局的歧义。我们提出PALMS+,一种模块化的基于图像的系统,通过利用基础单目深度估计模型(Depth Pro)从带姿态的RGB图像重建比例对齐的3D点云,随后通过对楼层平面的卷积进行几何布局匹配。PALMS+输出位置和方向的后验分布,可用于直接或顺序定位。我们在Structured3D和一个包含80个观测的校园数据集(分布在四座大型校园建筑中)上评估了PALMS+,其在静止定位精度方面优于PALMS和F3Loc,且无需任何训练。 Furthermore,当我们将其集成到用于顺序定位的粒子滤波器中进行33个真实世界轨迹的测试时,PALMS+实现了较低的定位误差,这表明其对相机免除的跟踪具有稳健性,并展示了其在基础设施免除应用中的潜力。代码和数据可在https://github.com/Head-inthe-Cloud/PALMS-Plane-based-Accessible-Indoor-Localization-Using-Mobile-Smartphones获取。
引用
@article{arxiv.2511.09724,
title = {PALMS+: Modular Image-Based Floor Plan Localization Leveraging Depth Foundation Model},
author = {Yunqian Cheng and Benjamin Princen and Roberto Manduchi},
journal= {arXiv preprint arXiv:2511.09724},
year = {2025}
}
备注
Accepted to IEEE/CVF Winter Conference on Applications of Computer Vision (WACV) 2026, Application Track. Main paper: 8 pages, 5 figures. Supplementary material included