ROMAN：面向稳健视图无关全局定位的开放集合目标图对齐

全局定位是长期和无漂移机器人导航所需的基本能力。然而，当前方法在面对显著不同视角时难以进行重定位。我们提出 ROMAN（Robust Object Map Alignment Anywhere），一种能够在具有挑战性和多样化环境中进行全局定位的方法，通过创建和对齐开放集合和视角无关对象的地图来实现。ROMAN 采用统一的图论全局数据关联方法，融合了重力方向先验、对象形状和语义相似性，来解决对象子图之间的注册问题。这项工作的开放集合目标映射和信息丰富的对象关联算法使我们能够实现全局定位，即使是在地图由机器人以相反方向行驶时也能实现。通过在室内、城市和非结构化/森林环境中进行一系列具有挑战性的全局定位实验，我们展示了 ROMAN 在其他基于图像的姿态估计方法或基于分割的注册方法之上的相对姿态估计精度更高。此外，我们评估了 ROMAN 作为大规模多机器人 SLAM 中的环路闭合模块，显示相对于使用视觉特征进行环路闭合的标准 SLAM 系统，其轨迹估计误差提高了 35%。代码和视频可在 https://acl.mit.edu/roman/ 找到。