使用学习关键点检测器和描述符的机器人定位——基于地面相机和丰富工业地面的特征
计算机视觉与模式识别
2025-04-07 v1 机器人学
摘要
移动机器人的定位取决于环境中可用良好特征的存在。像LiDAR这样的传感器系统很受欢迎，但独特特征也可以使用地面图像提取。本 work 提出了关键点定位框架 (KOALA)，该框架利用从工业地面中提取足够特征以进行精确定位的深度神经网络，而无需可读标记。为此，我们使用一种可以常见工业地面廉价生产的地面覆盖物。尽管我们不使用任何过滤、先验或时间信息，我们可以在75.7%的所有图像中估计位置，平均位置误差为2厘米，旋转误差为2.4度。因此，即使在机器人移动时，也能以每帧高精度解决机器人绑架问题。此外，我们展示了我们的方法与我们的检测器和描述符组合能够优于类似方法。
引用
@article{arxiv.2504.03249,
title = {Robot Localization Using a Learned Keypoint Detector and Descriptor with a Floor Camera and a Feature Rich Industrial Floor},
author = {Piet Brömmel and Dominik Brämer and Oliver Urbann and Diana Kleingarn},
journal= {arXiv preprint arXiv:2504.03249},
year = {2025}
}