A Real-Time Fusion Framework for Long-term Visual Localization

要約

ビジュアル ローカリゼーションは、多くのロボティクス アプリケーションで高精度のローカリゼーション要求に対応するために、6 自由度 (6DoF) ポーズを画像機能で回帰する基本的なタスクです。
モーション ブラー、照明の変化、環境の変化などの劣化した条件は、このタスクに大きな課題をもたらします。
シーケンシャル情報や慣性測定装置 (IMU) 入力などの追加情報との融合は、このような問題を大きく支援します。
この論文では、有望な精度と効率を実現するために、グローバルとローカルの姿勢推定を融合する効率的なクライアント サーバー ビジュアル ローカリゼーション アーキテクチャを提示します。
測定品質を向上させるために、マッピングおよびグローバル ポーズ回帰モジュールに追加のジオメトリ ヒントが含まれています。
計算の複雑さと精度を活用するために、疎結合の融合ポリシーが採用されています。
2 つの典型的なオープンソース ベンチマークである 4Seasons と OpenLORIS で評価を行います。
定量的な結果は、当社のフレームワークが他の最先端のビジュアル ローカリゼーション ソリューションに対して競争力のあるパフォーマンスを持っていることを証明しています。

要約(オリジナル)

Visual localization is a fundamental task that regresses the 6 Degree Of Freedom (6DoF) poses with image features in order to serve the high precision localization requests in many robotics applications. Degenerate conditions like motion blur, illumination changes and environment variations place great challenges in this task. Fusion with additional information, such as sequential information and Inertial Measurement Unit (IMU) inputs, would greatly assist such problems. In this paper, we present an efficient client-server visual localization architecture that fuses global and local pose estimations to realize promising precision and efficiency. We include additional geometry hints in mapping and global pose regressing modules to improve the measurement quality. A loosely coupled fusion policy is adopted to leverage the computation complexity and accuracy. We conduct the evaluations on two typical open-source benchmarks, 4Seasons and OpenLORIS. Quantitative results prove that our framework has competitive performance with respect to other state-of-the-art visual localization solutions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google