PEnG：姿态增强的地理定位
计算机视觉与模式识别
2024-11-26 v1 人工智能
机器人学
摘要
跨视图地理定位通常在较粗糙的尺度上进行，因为卫星图像块的密集采样会导致大量重叠。这种重叠会使难以消除图像块的歧义性。然而，通过采用稀疏采样块，先前的工作已为可能的定位精度设定了人工上限。即使存在完美的 oracle 系统，也无法实现超过瓷砖平均间隔的精度。为解决这一限制，我们提出了结合跨视图地理定位和相对姿态估计以提高精度，从而适用于实际应用。我们开发了 PEnG，这是一个两阶段系统，首先从城市尺度的图表示中预测查询图像所在位置的最可能边缘。随后在这些边缘内进行相对姿态估计，以确定精确位置。PEnG 首次利用跨视图地理定位数据集中可用的所有视图来提高精度，达到亚米甚至厘米级水平。我们提出的集成方法实现了最先进的精度——相较于先前方法，在 Top-5m 检索方面提升了 213%。在使用 90 度水平视场角图像进行评估时，将中位数欧几里得距离误差从先前最佳的 734m 降至 22.77m，降低了 96.90%。代码将公开提供：tavisshore.co.uk/PEnG
引用
@article{arxiv.2411.15742,
title = {PEnG: Pose-Enhanced Geo-Localisation},
author = {Tavis Shore and Oscar Mendez and Simon Hadfield},
journal= {arXiv preprint arXiv:2411.15742},
year = {2024}
}
备注
8 pages, 6 figures