用于鲁棒机器人定位的以杆为中心的描述子：基于 Small Pole Landmark (SPL) 数据集在 Pole-at-Distance (PaD) 观测下的评估
机器人学
2025-12-30 v1
摘要
虽然杆状结构被广泛认为是长期机器人定位的稳定几何锚点，但在大规模城市环境中典型的 Pole-at-Distance (PaD) 观测下，其识别可靠性显著下降。本文将重点从描述子设计转向对描述子鲁棒性的系统研究。我们的主要贡献是建立了一个以 Small Pole Landmark (SPL) 数据集为核心的专业评估框架。该数据集通过自动化的基于跟踪的关联流水线构建，无需人工标注即可捕获对同一物理地标的多视角、多距离观测。使用该框架，我们对 Contrastive Learning (CL) 和 Supervised Learning (SL) 范式进行了比较分析。我们的发现表明，CL 针对稀疏几何诱导出更鲁棒的特征空间，特别是在 5--10m 范围内实现了更优的检索性能。本工作为在具有挑战性的现实场景中评估地标的独特性提供了实证基础和可扩展的方法。
引用
@article{arxiv.2512.23141,
title = {Pole-centric Descriptors for Robust Robot Localization: Evaluation under Pole-at-Distance (PaD) Observations using the Small Pole Landmark (SPL) Dataset},
author = {Wuhao Xie and Kanji Tanaka},
journal= {arXiv preprint arXiv:2512.23141},
year = {2025}
}
备注
3 pages, technical report