基于视觉的不确定性感知度量级跨视角地理定位
计算机视觉与模式识别
2023-05-18 v2
摘要
本文提出一种基于视觉的度量级跨视角地理定位 (CVGL) 新方法，该方法将地面车辆拍摄的相机图像与航拍图像匹配以确定车辆的地理位姿。由于航拍图像以低成本全球可得，它们代表了自动驾驶两种既定范式之间的潜在折中，即使用昂贵的高清先验地图或完全依赖运行时捕获的传感器数据。我们提出一个端到端可微模型，利用地面与航拍图像预测车辆可能位姿上的概率分布。我们将多个车辆数据集与来自正射影像提供商的航拍图像结合，据此证明了方法的可行性。由于真值位姿相对于航拍图像常不准确，我们实现了伪标签方法以生成更精确的真值位姿并公开提供。先前工作需来自目标区域的训练数据方可达到合理定位精度（即同区域评估），我们的方法克服了该限制，即使在严格更具挑战性的跨区域情形下也优于先前结果。即使无来自测试区域的地面或航拍数据，我们以大幅优势刷新先前最优，凸显了模型在全球尺度应用的潜力。我们进一步将不确定性感知预测集成于跟踪框架以确定车辆随时间轨迹，在 KITTI-360 上取得 0.78m 平均位置误差。
引用
@article{arxiv.2211.12145,
title = {Uncertainty-aware Vision-based Metric Cross-view Geolocalization},
author = {Florian Fervers and Sebastian Bullinger and Christoph Bodensteiner and Michael Arens and Rainer Stiefelhagen},
journal= {arXiv preprint arXiv:2211.12145},
year = {2023}
}