Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2506.19827

帮助 | 高级搜索

计算机科学 > 机器人技术

arXiv:2506.19827 (cs)
[提交于 2025年6月24日 ]

标题: 查看以定位:用于GNSS挑战环境的基于视觉的多感官导航与三维数字地图

标题: Look to Locate: Vision-Based Multisensory Navigation with 3-D Digital Maps for GNSS-Challenged Environments

Authors:Ola Elmaghraby, Eslam Mounier, Paulo Ricardo Marques de Araujo, Aboelmagd Noureldin
摘要: 在全球导航卫星系统(GNSS)不可用的环境中,如室内停车场或密集的城市峡谷,实现准确且稳健的车辆定位仍然是一个重大挑战。 本文提出了一种成本效益高的基于视觉的多传感器导航系统,该系统结合了单目深度估计、语义过滤和与三维数字地图的视觉地图注册(VMR)。 在真实世界中的室内和室外驾驶场景中进行了大量测试,证明了所提出系统的有效性,在室内实现了92%的亚米级精度,室外超过了80%,水平定位和航向的平均均方根误差分别约为0.98米和1.25{\deg }。 与所检查的基线相比,所提出的解决方案在各种条件下显著减少了漂移并提高了鲁棒性,在定位精度方面平均提高了约88%。 这项工作突显了将成本效益高的单目视觉系统与三维地图相结合,在陆地车辆中实现可扩展、无需GNSS的导航的潜力。
摘要: In Global Navigation Satellite System (GNSS)-denied environments such as indoor parking structures or dense urban canyons, achieving accurate and robust vehicle positioning remains a significant challenge. This paper proposes a cost-effective, vision-based multi-sensor navigation system that integrates monocular depth estimation, semantic filtering, and visual map registration (VMR) with 3-D digital maps. Extensive testing in real-world indoor and outdoor driving scenarios demonstrates the effectiveness of the proposed system, achieving sub-meter accuracy of 92% indoors and more than 80% outdoors, with consistent horizontal positioning and heading average root mean-square errors of approximately 0.98 m and 1.25 {\deg}, respectively. Compared to the baselines examined, the proposed solution significantly reduced drift and improved robustness under various conditions, achieving positioning accuracy improvements of approximately 88% on average. This work highlights the potential of cost-effective monocular vision systems combined with 3D maps for scalable, GNSS-independent navigation in land vehicles.
主题: 机器人技术 (cs.RO) ; 计算机视觉与模式识别 (cs.CV)
引用方式: arXiv:2506.19827 [cs.RO]
  (或者 arXiv:2506.19827v1 [cs.RO] 对于此版本)
  https://doi.org/10.48550/arXiv.2506.19827
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Ola Elmaghraby [查看电子邮件]
[v1] 星期二, 2025 年 6 月 24 日 17:44:03 UTC (10,619 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.CV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-06
切换浏览方式为:
cs
cs.RO

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号