变化环境中利用语义对象的视角不变定位
机器人学
2022-09-30 v1 计算机视觉与模式识别
摘要
本文提出了一种在参考地图中用于车辆实时定位与自运动跟踪的新框架。核心思想是将车辆观测到的语义对象进行映射，并将其配准到参考地图中对应的对象。尽管近期若干工作已利用语义信息进行跨视角定位，本工作的主要贡献在于一种视角不变的建模方式，使得该方法可直接适用于任何能够检测到对象的视角配置。另一显著特征是由于采用了适用于极端外点率（例如 90% 关联外点）的数据关联方案，因而对环境/对象的变化具有鲁棒性。为展示我们的框架，我们考虑一个仅使用车辆作为对象来在参考对象地图中定位地面车辆的示例。虽然地面车辆仅使用立体相机，我们考虑先验从地面视角使用立体相机与激光雷达（Lidar）扫描构建的参考地图，以及在不同日期捕获的地理参考航空图像，以展示该框架对不同模态、视角和环境变化的鲁棒性。在 KITTI 数据集上的评估表明，在 3.7 km 轨迹上，定位在 36 秒内完成，随后在 Lidar 参考地图中以平均位置误差 8.5 m 进行实时自运动跟踪；而在 77% 对象为外点的航空对象地图上，定位在 71 秒内完成，平均位置误差为 7.9 m。
引用
@article{arxiv.2209.14426,
title = {View-Invariant Localization using Semantic Objects in Changing Environments},
author = {Jacqueline Ankenbauer and Kaveh Fathian and Jonathan P. How},
journal= {arXiv preprint arXiv:2209.14426},
year = {2022}
}