[论文解读] High-Precision Localization Using Ground Texture

Linguang Zhang, Adam Finkelstein+1 more|arXiv (Cornell University)|Oct 29, 2017

Robotics and Sensor-Based Localization参考文献 45被引用 6

一句话总结

本文提出 Micro-GPS，一种低成本、高精度的定位系统，利用向下拍摄的摄像头捕捉并匹配地面纹理中的独特局部特征（如裂缝、划痕或纤维排列），适用于室内外环境。通过在紧凑数据库中索引这些持久的纹理特征，并采用鲁棒的投票式特征匹配方法，系统实现实时毫米级精度，使移动机器人能够在无初始位姿信息的情况下可靠地沿路径行驶。

ABSTRACT

Location-aware applications play an increasingly critical role in everyday life. However, satellite-based localization (e.g., GPS) has limited accuracy and can be unusable in dense urban areas and indoors. We introduce an image-based global localization system that is accurate to a few millimeters and performs reliable localization both indoors and outside. The key idea is to capture and index distinctive local keypoints in ground textures. This is based on the observation that ground textures including wood, carpet, tile, concrete, and asphalt may look random and homogeneous, but all contain cracks, scratches, or unique arrangements of fibers. These imperfections are persistent, and can serve as local features. Our system incorporates a downward-facing camera to capture the fine texture of the ground, together with an image processing pipeline that locates the captured texture patch in a compact database constructed offline. We demonstrate the capability of our system to robustly, accurately, and quickly locate test images on various types of outdoor and indoor ground surfaces.

研究动机与目标

• 开发一种低成本、高精度的定位系统，可在 GPS 失效的室内外环境中可靠运行。
• 通过利用看似均质的地面纹理中持久且独特的特征，解决 GPS、惯性导航和 WiFi 三角测量的局限性。
• 在无需初始位姿信息或外部基础设施的前提下，实现高精度、可重复的路径跟踪。
• 证明基于纹理的特征匹配可在使用紧凑高效数据库的情况下，实现在真实环境中的亚厘米级精度。

提出的方法

• 在受控光照条件下，使用向下摄像头拍摄地面纹理图像，以确保特征一致性。
• 采用专为纹理图像而非自然场景设计的特征检测流程，从纹理图像中提取局部关键点。
• 通过离线全局位姿优化对齐，构建紧凑且压缩的数据库，用于存储关键点及其描述符。
• 使用近似最近邻匹配，在查询图像与数据库之间寻找候选特征对应关系。
• 应用鲁棒投票程序：内点匹配会投票支持一致的位姿，而虚假匹配则随机分布，从而实现异常值的剔除。
• 在内点匹配上使用 RANSAC 恢复查询图像的最终位姿，实现高精度定位。

实验结果

研究问题

• RQ1 能否可靠地利用看似均质的地面纹理中持久存在的亚毫米级特征实现全局定位？
• RQ2 如何针对纹理图像改进特征检测与匹配方法，以实现高精度与鲁棒性？
• RQ3 在遮挡、运动模糊和表面扰动等真实世界挑战下，系统的性能如何？
• RQ4 系统是否能在无 GPS 的室内外环境中实现亚厘米级的定位精度？
• RQ5 系统如何与现有定位系统（如 GPS 或里程计）集成，以支持可扩展的大范围部署？

主要发现

• 该系统仅使用地面纹理特征，即可在室内外环境中实现毫米级的定位精度。
• 超过 90% 的特征匹配为虚假匹配，但基于投票的异常值剔除方法仍能以高可靠性识别出内点。
• 系统在显著遮挡（如混凝土上的树叶）和扰动（如地毯被刮花）情况下仍保持鲁棒性，所有测试案例中均成功实现定位。
• 运动模糊虽有一定影响，但可管理；即使在低快门速度下使用 16 维描述符，系统仍保持合理的成功率。
• 路径跟踪实验表明，机器人能够以亚厘米级精度重现已人工驾驶的路径，最终停在距离原始目标位置几毫米范围内。
• 系统与现有追踪系统（如前向摄像头里程计）具有兼容性，可实现低额外成本的融合。