明确方位：户外环境中的视觉定位

增强现实（AR）显示设备近年来因对人类高度直观且头戴式显示器快速发展而日益普及。为实现此类叠加信息的显示，需要高精度的图像配准或自定位（ego-positioning），但户外环境却鲜受关注。本文提出一种利用低成本单目相机在户外环境中进行自定位的方法。为降低计算与内存需求以及通信开销，我们将模型压缩算法表述为加权 k-cover 问题，以更好地保持模型结构。针对真实的基于视觉的定位应用，我们考虑了场景剧烈变化的问题，并提出一种模型更新算法来解决这些问题。我们构建了一个长期定位数据集，包含超过一个月、106次会话以及14,275张图像。基于本文方法构建的局部与最新模型，大量实验结果表明可达到较高的定位精度（均值约30.9厘米，标准差约15.4厘米），优于现有的基于视觉的算法。