BEVRender: Vision-based Cross-view Vehicle Registration in Off-road GNSS-denied Environment

要約

全地球航法衛星システム (GNSS) が拒否されたオフロード シナリオで地上車両の位置を特定するための新しい学習ベースのアプローチである BEVRender を紹介します。
これらの環境では、明確な視覚的ランドマークの欠如と車両の姿勢が不安定であるため、通常、従来の視覚ベースの状態推定が困難になります。
これに対処するために、BEVRender はローカル地形の高品質のローカル鳥瞰図 (BEV) 画像を生成します。
その後、これらの画像はテンプレート マッチングを介して地理参照航空地図と位置合わせされ、正確なクロスビュー レジストレーションが実現されます。
私たちのアプローチは、視覚慣性オドメトリ システムの固有の制限と、ドリフトとスケーラビリティの問題の影響を受けやすい画像検索位置特定戦略の実質的なストレージ要件を克服します。
広範な実験により、既存の GNSS で否定された視覚的位置特定手法に対する BEVRender の進歩が検証され、位置特定の精度と更新頻度の両方において顕著な強化が実証されました。
BEVRender のコードは近々公開される予定です。

要約(オリジナル)

We introduce BEVRender, a novel learning-based approach for the localization of ground vehicles in Global Navigation Satellite System (GNSS)-denied off-road scenarios. These environments are typically challenging for conventional vision-based state estimation due to the lack of distinct visual landmarks and the instability of vehicle poses. To address this, BEVRender generates high-quality local bird’s eye view (BEV) images of the local terrain. Subsequently, these images are aligned with a geo-referenced aerial map via template-matching to achieve accurate cross-view registration. Our approach overcomes the inherent limitations of visual inertial odometry systems and the substantial storage requirements of image-retrieval localization strategies, which are susceptible to drift and scalability issues, respectively. Extensive experimentation validates BEVRender’s advancement over existing GNSS-denied visual localization methods, demonstrating notable enhancements in both localization accuracy and update frequency. The code for BEVRender will be made available soon.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google