TRO 2023|iSimLoc：利用虚拟图像对未看到的环境进行视觉全局定位

以下内容来自小六的机器人SLAM学习圈知识星球每日更新内容

点击领取学习资料 → 机器人SLAM学习资料大礼包

#论文##开源# TRO 2023|iSimLoc：利用虚拟图像对未看到的环境进行视觉全局定位

【iSimLoc: Visual Global Localization for Previously Unseen Environments With Simulated Images】

作者单位：卡耐基梅隆大学与加州大学圣地亚哥分校

开源代码：GitHub: Let’s build from here · GitHub MetaSLAM/iSimLocServer

文章链接：iSimLoc: Visual Global Localization for Previously...

  相机由于体积小、重量轻、功耗低且成本低,是无人机超视距操作的一种有吸引力的设备。但是,目前最先进的视觉定位算法在匹配视觉数据方面存在困难,尤其是在照明或视角产生显著变化时。本文提出了iSimLoc,这是一种基于学习的全局重定位方法,对外观和视角的变化具有鲁棒性。iSimLoc的场景识别网络学习到的特征可以用来匹配查询图像和不同视觉风格域和视角的参考图像。此外,我们的分层全局重定位模块以粗细粒度的方式进行搜索,使iSimLoc可以进行快速精确的姿态估计。

   我们在一个外观变化的数据集和一个着重展示复杂地形长时间飞行的大规模匹配的数据集上评估了我们的方法。与下一优方法的45.8%和39.7%相比,iSimLoc在两个数据集上的成功检索率分别为88.7%和83.8%,推理时间为1.5秒。这些结果展示了该方法在各种环境和条件下的强大定位能力。

以上内容来自小六的机器人SLAM学习圈知识星球每日更新内容