用于精确跨视角定位的视角一致净化方法
计算机视觉与模式识别
2023-08-17 v1
摘要
本文提出了一种用于室外机器人的细粒度自定位方法,该方法利用灵活数量的车载相机和易于获取的卫星图像。所提方法解决了现有跨视角定位方法难以处理移动物体和季节变化等噪声源的局限。它是首个仅依赖稀疏视觉的方法,通过从地面与卫星视角检测视角一致的关键点及其对应的深度特征,同时去除离地物体并建立两视角间的单应变换,从而增强动态环境中的感知能力。此外,该方法引入了空间嵌入方法,利用相机内参与外参信息降低纯视觉匹配的模糊性,从而改善特征匹配与整体位姿估计精度。该方法展现出强泛化能力,对环境变化具有鲁棒性,且仅需地理位姿作为真值。在 KITTI 和 Ford Multi-AV Seasonal 数据集上的大量实验表明,我们提出的方法优于现有 SOTA 方法,在横向与纵向方向上取得低于 米的中位空间精度误差,以及低于 2 度的中位朝向精度误差。
引用
@article{arxiv.2308.08110,
title = {View Consistent Purification for Accurate Cross-View Localization},
author = {Shan Wang and Yanhao Zhang and Akhil Perincherry and Ankit Vora and Hongdong Li},
journal= {arXiv preprint arXiv:2308.08110},
year = {2023}
}
备注
Accepted for ICCV 2023