Fusing Horizon Information for Visual Localization

doi:10.3390/ai6060121

Fusing Horizon Information for Visual Localization

2025-07-27

0

OA

AI

DOI：10.3390/ai6060121

原文链接

原文求助

摘要

En 中文

定位是自动驾驶的基础和核心。当前视觉定位方法高度依赖高精度地图。然而，高精度地图不仅成本高昂，而且实时性能差。在自动驾驶中，场景识别同样至关重要且意义重大。现有的场景识别方法在局部特征提取方面存在不足，且在匹配过程中可能出现位置和方向误差。为解决这些局限性，本文提出了一种鲁棒的多维特征融合框架用于场景识别。与现有方法（如OrienterNet）不同，后者在底层特征层面同质化处理图像和地图，而忽略了模态差异，我们的框架应用于现有2D地图——引入了一种受OrienterNet启发的异构结构-语义方法。它采用结构化的Stixel特征（包含位置信息）来捕捉图像几何形状，同时通过基于极坐标的建筑分布来表示OSM环境。设计了专用编码器以适应每种模态。此外，通过计算当前位置与地图中建筑像素之间的距离和角度，生成全局关系特征，为系统提供详细的时空关系信息。随后，单个Stixel特征与全局关系进行旋转匹配，以实现多角度特征匹配。在OrienterNet的BEV地图匹配过程中，视觉定位主要依赖水平图像信息。相比之下，本文提出的新方法基于垂直图像信息进行匹配，同时融合水平线索以完成场景识别。广泛的实验结果表明，所提出的方法在定位精度上显著优于提及的最先进方法，有效解决了现有局限性。

Keyword:

visual localization

place recognition

multi-dimensional feature fusion

Stixel features

OSM environment

Fusing Horizon Information for Visual Localization

摘要

期刊

机构

引用论文