ReLoc-PDR: Visual Relocalization Enhanced Pedestrian Dead Reckoning via Graph Optimization

要約

衛星が受信できない状況で歩行者の位置を正確かつ確実に測位することは、依然として大きな課題です。
歩行者推測航法 (PDR) は、低コストの慣性センサーを使用して歩行者の位置を推定するために一般的に使用されます。
ただし、PDR は、センサーのノイズ、不正確な歩幅検出、および不正確な歩幅推定によるドリフトの影響を受けやすくなります。
この研究では、PDR とグラフ最適化を使用した視覚的再局在化を組み合わせた融合フレームワークである ReLoc-PDR を提案します。
ReLoc-PDR は、時間相関のある視覚的観測と学習された記述子を活用して、視覚的に劣化した環境でも堅牢な位置特定を実現します。
Tukey カーネルを使用したグラフ最適化ベースの融合メカニズムは、累積エラーを効果的に修正し、異常な視覚的観察の影響を軽減します。
実際の実験では、当社の ReLoc-PDR が精度と堅牢性において代表的な手法を上回っており、テクスチャーの少ない廊下や暗い夜間シナリオなどの困難な環境において、スマートフォンのみを使用して正確かつ堅牢な歩行者位置測定結果を達成できることが実証されています。

要約(オリジナル)

Accurately and reliably positioning pedestrians in satellite-denied conditions remains a significant challenge. Pedestrian dead reckoning (PDR) is commonly employed to estimate pedestrian location using low-cost inertial sensor. However, PDR is susceptible to drift due to sensor noise, incorrect step detection, and inaccurate stride length estimation. This work proposes ReLoc-PDR, a fusion framework combining PDR and visual relocalization using graph optimization. ReLoc-PDR leverages time-correlated visual observations and learned descriptors to achieve robust positioning in visually-degraded environments. A graph optimization-based fusion mechanism with the Tukey kernel effectively corrects cumulative errors and mitigates the impact of abnormal visual observations. Real-world experiments demonstrate that our ReLoc-PDR surpasses representative methods in accuracy and robustness, achieving accurte and robust pedestrian positioning results using only a smartphone in challenging environments such as less-textured corridors and dark nighttime scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google