面向无标记移动 AR 的基于视觉-惯性里程计约束的鲁棒定位
计算机视觉与模式识别
2023-09-18 v2
摘要
视觉惯性里程计 (VIO) 是现代增强现实 (AR) 应用的重要组成部分。然而, VIO 仅跟踪设备的相对位姿, 导致随时间漂移。绝对位姿估计方法推断设备的绝对位姿, 但其精度依赖于输入质量。本文提出 VIO-APR, 一种将绝对位姿回归器 (APR) 与局部 VIO 跟踪系统相结合的无标记移动 AR 新框架。VIO-APR 利用 VIO 评估 APR 的可靠性, 并利用 APR 识别与补偿 VIO 漂移。该反馈回路带来更精确的定位与更稳定的 AR 体验。为评估 VIO-APR, 我们构建了一个将相机图像与 ARKit 的 VIO 系统输出相结合的数据集, 涵盖六种不同尺度的室内外场景。在该数据集上, VIO-APR 将主流 APR 的中位数精度在位置上提升至多 36%、在朝向上提升至多 29%, 将使高 () 精度水平的帧占比提升至多 112%, 并大幅降低低于低 () 精度水平预测的帧占比。我们使用 Unity 将 VIO-APR 实现于移动 AR 应用中以展示其能力。VIO-APR 带来明显更精确的定位与更稳定的整体体验。
引用
@article{arxiv.2308.05394,
title = {Robust Localization with Visual-Inertial Odometry Constraints for Markerless Mobile AR},
author = {Changkun Liu and Yukun Zhao and Tristan Braud},
journal= {arXiv preprint arXiv:2308.05394},
year = {2023}
}