CyberLoc: Towards Accurate Long-term Visual Localization

要約

本技術報告では、厳しい環境下でも頑健かつ高精度な長期姿勢推定を可能にする画像ベース視覚化パイプライン、CyberLocを紹介する。提案手法は、4つのモジュールが順番に接続されて構成されている。まず、マッピングモジュールは、シーンの正確な3Dマップを構築するために適用され、異なる条件下で複数の参照シーケンスが存在する場合、各参照シーケンスに対して1つのマップを作成する。第二に、単一画像ベースのローカリゼーションパイプライン（検索–マッチング–PnP）が、各クエリー画像に対して6DoFカメラポーズを推定するために実行され、各3Dマップに対して一つずつ実行される。第三に、コンセンサスセット最大化モジュールが提案され、外れ値の6-DoFカメラポーズをフィルタリングし、クエリに対して1つの6-DoFカメラポーズを出力する。最後に、グローバル6-DoFカメラポーズ候補とそれに対応するグローバル2D-3Dマッチ、連続したクエリー画像間のスパース2D-2D特徴マッチ、クエリーシーケンスのSLAMポーズを入力として、6-DoFクエリーポーズを最適化するロバートポーズ洗練モジュールが提案されています。4seasonsデータセットを用いた実験により，本手法が高い精度と頑健性を達成することが示された．特に、我々の手法は、ECCV 2022 workshop on Map-based Localization for Autonomous Driving (MLAD-ECCV2022)のローカリゼーションチャレンジに勝利した。

要約(オリジナル)

This technical report introduces CyberLoc, an image-based visual localization pipeline for robust and accurate long-term pose estimation under challenging conditions. The proposed method comprises four modules connected in a sequence. First, a mapping module is applied to build accurate 3D maps of the scene, one map for each reference sequence if there exist multiple reference sequences under different conditions. Second, a single-image-based localization pipeline (retrieval–matching–PnP) is performed to estimate 6-DoF camera poses for each query image, one for each 3D map. Third, a consensus set maximization module is proposed to filter out outlier 6-DoF camera poses, and outputs one 6-DoF camera pose for a query. Finally, a robust pose refinement module is proposed to optimize 6-DoF query poses, taking candidate global 6-DoF camera poses and their corresponding global 2D-3D matches, sparse 2D-2D feature matches between consecutive query images and SLAM poses of the query sequence as input. Experiments on the 4seasons dataset show that our method achieves high accuracy and robustness. In particular, our approach wins the localization challenge of ECCV 2022 workshop on Map-based Localization for Autonomous Driving (MLAD-ECCV2022).

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL