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:2507.11653

帮助 | 高级搜索

计算机科学 > 计算机视觉与模式识别

arXiv:2507.11653 (cs)
[提交于 2025年7月15日 ]

标题: VISTA:基于单目分割的外观和视角不变全局定位映射

标题: VISTA: Monocular Segmentation-Based Mapping for Appearance and View-Invariant Global Localization

Authors:Hannah Shafferman, Annika Thomas, Jouko Kinnari, Michael Ricard, Jose Nino, Jonathan How
摘要: 全局定位对于自主导航至关重要,特别是在代理必须在不同会话或由其他代理生成的地图中进行定位的场景中,因为代理通常对参考帧之间的相关性没有任何先验知识。 然而,由于视角变化、季节变化、空间混叠和遮挡引起的外观变化——这些是传统位置识别方法的已知故障模式,因此在非结构化环境中此任务仍然具有挑战性。 为了解决这些挑战,我们提出了VISTA(View-Invariant Segmentation-Based Tracking for Frame Alignment),一种新颖的开放集单目全局定位框架,该框架结合了:1)前端基于对象的分割和跟踪管道,随后是2)子地图对应搜索,该搜索利用环境地图之间的几何一致性来对齐车辆参考帧。 VISTA能够在多种相机视角和季节变化下实现一致的定位,而无需任何特定领域的训练或微调。 我们在季节性和倾斜角度的航拍数据集上评估了VISTA,相对于基线方法召回率提高了高达69%。 此外,我们维护了一个仅是大多数内存保守基线0.6%大小的基于对象的地图,使我们的方法能够在资源受限的平台上实现实时操作。
摘要: Global localization is critical for autonomous navigation, particularly in scenarios where an agent must localize within a map generated in a different session or by another agent, as agents often have no prior knowledge about the correlation between reference frames. However, this task remains challenging in unstructured environments due to appearance changes induced by viewpoint variation, seasonal changes, spatial aliasing, and occlusions -- known failure modes for traditional place recognition methods. To address these challenges, we propose VISTA (View-Invariant Segmentation-Based Tracking for Frame Alignment), a novel open-set, monocular global localization framework that combines: 1) a front-end, object-based, segmentation and tracking pipeline, followed by 2) a submap correspondence search, which exploits geometric consistencies between environment maps to align vehicle reference frames. VISTA enables consistent localization across diverse camera viewpoints and seasonal changes, without requiring any domain-specific training or finetuning. We evaluate VISTA on seasonal and oblique-angle aerial datasets, achieving up to a 69% improvement in recall over baseline methods. Furthermore, we maintain a compact object-based map that is only 0.6% the size of the most memory-conservative baseline, making our approach capable of real-time implementation on resource-constrained platforms.
评论: 9页,6图。本工作已提交给IEEE以可能发表
主题: 计算机视觉与模式识别 (cs.CV) ; 机器人技术 (cs.RO)
引用方式: arXiv:2507.11653 [cs.CV]
  (或者 arXiv:2507.11653v1 [cs.CV] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.11653
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Hannah Shafferman [查看电子邮件]
[v1] 星期二, 2025 年 7 月 15 日 18:38:35 UTC (2,271 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
查看许可
当前浏览上下文:
cs.RO
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs
cs.CV

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