以下內(nèi)容來自小六的機(jī)器人SLAM學(xué)習(xí)圈知識(shí)星球每日更新內(nèi)容

點(diǎn)擊領(lǐng)取學(xué)習(xí)資料 → 機(jī)器人SLAM學(xué)習(xí)資料大禮包

#論文##開源# TRO 2023|iSimLoc：利用虛擬圖像對(duì)未看到的環(huán)境進(jìn)行視覺全局定位

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

作者單位：卡耐基梅隆大學(xué)與加州大學(xué)圣地亞哥分校

開源代碼：GitHub: Let’s build from here · GitHub MetaSLAM/iSimLocServer

文章鏈接：iSimLoc: Visual Global Localization for Previously...

? 相機(jī)由于體積小、重量輕、功耗低且成本低,是無人機(jī)超視距操作的一種有吸引力的設(shè)備。但是,目前最先進(jìn)的視覺定位算法在匹配視覺數(shù)據(jù)方面存在困難,尤其是在照明或視角產(chǎn)生顯著變化時(shí)。本文提出了iSimLoc,這是一種基于學(xué)習(xí)的全局重定位方法,對(duì)外觀和視角的變化具有魯棒性。iSimLoc的場(chǎng)景識(shí)別網(wǎng)絡(luò)學(xué)習(xí)到的特征可以用來匹配查詢圖像和不同視覺風(fēng)格域和視角的參考圖像。此外,我們的分層全局重定位模塊以粗細(xì)粒度的方式進(jìn)行搜索,使iSimLoc可以進(jìn)行快速精確的姿態(tài)估計(jì)。

? ?我們?cè)谝粋€(gè)外觀變化的數(shù)據(jù)集和一個(gè)著重展示復(fù)雜地形長(zhǎng)時(shí)間飛行的大規(guī)模匹配的數(shù)據(jù)集上評(píng)估了我們的方法。與下一優(yōu)方法的45.8%和39.7%相比,iSimLoc在兩個(gè)數(shù)據(jù)集上的成功檢索率分別為88.7%和83.8%,推理時(shí)間為1.5秒。這些結(jié)果展示了該方法在各種環(huán)境和條件下的強(qiáng)大定位能力。

以上內(nèi)容來自小六的機(jī)器人SLAM學(xué)習(xí)圈知識(shí)星球每日更新內(nèi)容