[论文解读] Localization of Autonomous Vehicles: Proof of Concept for A Computer Vision Approach

Sara Zahedian, Kaveh Farokhi Sadabadi+1 more|arXiv (Cornell University)|Apr 6, 2021

Robotics and Sensor-Based Localization参考文献 26被引用 5

一句话总结

该论文提出了一种低成本、仅使用摄像头的视觉定位系统，用于自动驾驶汽车，通过基于SIFT的图像检索和卡尔曼滤波，在KITTI数据集上实现了平均2米的定位精度。该方法利用带有地理标签的图像数据库和实时处理，实现无需GPS或复杂传感器的车辆位置估计，证明了在城市环境中基于视觉导航的可行性。

ABSTRACT

This paper introduces a visual-based localization method for autonomous vehicles (AVs) that operate in the absence of any complicated hardware system but a single camera. Visual localization refers to techniques that aim to find the location of an object based on visual information of its surrounding area. The problem of localization has been of interest for many years. However, visual localization is a relatively new subject in the literature of transportation. Moreover, the inevitable application of this type of localization in the context of autonomous vehicles demands special attention from the transportation community to this problem. This study proposes a two-step localization method that requires a database of geotagged images and a camera mounted on a vehicle that can take pictures while the car is moving. The first step which is image retrieval uses SIFT local feature descriptor to find an initial location for the vehicle using image matching. The next step is to utilize the Kalman filter to estimate a more accurate location for the vehicle as it is moving. All stages of the introduced method are implemented as a complete system using different Python libraries. The proposed system is tested on the KITTI dataset and has shown an average accuracy of 2 meters in finding the final location of the vehicle.

研究动机与目标

• 开发一种仅使用单个摄像头的无GPS定位系统，用于自动驾驶汽车。
• 解决在城市环境中无需依赖昂贵传感器或基础设施实现精确车辆定位的挑战。
• 证明仅使用现成计算机视觉技术即可实现视觉定位的可行性。
• 在标准基准数据集（KITTI）上验证系统的性能。
• 为自动驾驶汽车系统中可扩展、低成本的定位技术提供概念验证。

提出的方法

• 系统使用从已知位置拍摄的带有地理标签的图像数据库作为参考地图。
• 第一步，从摄像头的实时图像中提取SIFT（尺度不变特征变换）描述符，并与带有地理标签的数据库进行匹配，以检索候选位置。
• 基于数据库中匹配度最高的m张图像，估计初始车辆位置。
• 随后应用卡尔曼滤波，通过融合基于图像的位置预测与运动模型，进一步优化位置估计。
• 整个流程使用Python实现，结合标准计算机视觉库，包括使用OpenCV进行SIFT和滤波操作。
• 系统能够实时处理图像，随着新帧的捕获持续更新车辆的估计位置。

实验结果

研究问题

• RQ1 单个摄像头是否能在城市环境中为自动驾驶汽车提供足够精确的定位？
• RQ2 基于SIFT的图像检索在从带有地理标签的图像数据库中识别正确地理位置方面的效果如何？
• RQ3 当与视觉匹配结合时，卡尔曼滤波在多大程度上提升了定位精度？
• RQ4 仅使用视觉数据而无GPS或LiDAR，能够实现何种水平的定位精度？
• RQ5 低成本、仅使用摄像头的系统在真实世界自动驾驶汽车定位中是否可行？

主要发现

• 所提出的系统仅使用单个摄像头和带有地理标签的图像参考，在KITTI数据集上实现了平均2米的定位精度。
• 基于SIFT的图像检索能够以高精度识别候选位置，形成可靠的初始估计。
• 卡尔曼滤波的集成显著减少了位置漂移，并随时间提升了估计的稳定性。
• 该系统在KITTI基准数据集的多样化城市驾驶场景中表现出稳健性能。
• 结果证实，仅使用单个摄像头的视觉定位在实际自动驾驶汽车导航中是可行且精度足够的。
• 该方法计算效率高，完全可使用标准开源库实现，支持实时部署。