SF-Loc: A Visual Mapping and Geo-Localization System based on Sparse Visual Structure Frames

要約

高レベルの地理空間アプリケーションやインテリジェント ロボット工学にとって、正確なグローバル ポーズ情報は非常に重要です。
地図を利用した位置特定は、困難な環境における全地球測位衛星システム (GNSS) の制限を克服するための普遍的なアプローチです。
しかし、現在のソリューションは、マッピングの柔軟性、ストレージの負担、再ローカリゼーションのパフォーマンスの点で課題に直面しています。
この研究では、軽量のビジュアル マッピングおよびマップ支援ローカリゼーション システムである SF-Loc を紹介します。その中心的なアイデアは、視覚構造フレームと呼ばれる、密でありながらコンパクトな奥行きを持つ疎なフレームに基づくマップ表現です。
マッピング段階では、マルチセンサー密バンドル調整 (MS-DBA) が適用されて、地理参照された視覚構造フレームが構築されます。
ローカルの相互可視性は、マップのスパース性を維持し、増分マッピングを実現するためにチェックされます。
位置特定フェーズでは、粗い視覚から細かい視覚に基づいた位置特定が実行され、マルチフレーム情報と地図分布が完全に統合されます。
具体的には、空間的平滑化類似性 (SSS) の概念が場所の曖昧さを克服するために提案され、ペアワイズ フレーム マッチングが効率的かつロバストな姿勢推定に適用されます。
季節をまたいだデータセットの実験結果により、システムの有効性が検証されました。
複雑な都市部の道路シナリオでは、マップ サイズは 1 キロメートルあたり 3 MB まで縮小され、安定したデシメートル レベルの再ローカリゼーションを実現できます。
コードは間もなくオープンソース化される予定です (https://github.com/GREAT-WHU/SF-Loc)。

要約(オリジナル)

For high-level geo-spatial applications and intelligent robotics, accurate global pose information is of crucial importance. Map-aided localization is a universal approach to overcome the limitations of global navigation satellite system (GNSS) in challenging environments. However, current solutions face challenges in terms of mapping flexibility, storage burden and re-localization performance. In this work, we present SF-Loc, a lightweight visual mapping and map-aided localization system, whose core idea is the map representation based on sparse frames with dense but compact depth, termed as visual structure frames. In the mapping phase, multi-sensor dense bundle adjustment (MS-DBA) is applied to construct geo-referenced visual structure frames. The local co-visbility is checked to keep the map sparsity and achieve incremental mapping. In the localization phase, coarse-to-fine vision-based localization is performed, in which multi-frame information and the map distribution are fully integrated. To be specific, the concept of spatially smoothed similarity (SSS) is proposed to overcome the place ambiguity, and pairwise frame matching is applied for efficient and robust pose estimation. Experimental results on the cross-season dataset verify the effectiveness of the system. In complex urban road scenarios, the map size is down to 3 MB per kilometer and stable decimeter-level re-localization can be achieved. The code will be made open-source soon (https://github.com/GREAT-WHU/SF-Loc).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google