[论文解读] To Know Where We Are: Vision-Based Positioning in Outdoor Environments

Kuan‐Wen Chen, Chun-Hsin Wang+5 more|arXiv (Cornell University)|Jun 19, 2015

Robotics and Sensor-Based Localization参考文献 5被引用 4

一句话总结

本文提出了一种基于视觉的室外环境自我定位系统，采用低成本单目摄像头，在物联网框架下实现。该系统引入了一种加权k覆盖模型压缩算法以降低计算负载，并提出一种模型更新机制以应对长期场景变化，在为期一个月、包含14,275张图像的大规模长期数据集上，实现了30.9厘米的平均定位精度，标准差为15.4厘米。

ABSTRACT

Augmented reality (AR) displays become more and more popular recently, because of its high intuitiveness for humans and high-quality head-mounted display have rapidly developed. To achieve such displays with augmented information, highly accurate image registration or ego-positioning are required, but little attention have been paid for out-door environments. This paper presents a method for ego-positioning in outdoor environments with low cost monocular cameras. To reduce the computational and memory requirements as well as the communication overheads, we formulate the model compression algorithm as a weighted k-cover problem for better preserving model structures. Specifically for real-world vision-based positioning applications, we consider the issues with large scene change and propose a model update algorithm to tackle these problems. A long- term positioning dataset with more than one month, 106 sessions, and 14,275 images is constructed. Based on both local and up-to-date models constructed in our approach, extensive experimental results show that high positioning accuracy (mean ~ 30.9cm, stdev. ~ 15.4cm) can be achieved, which outperforms existing vision-based algorithms.

研究动机与目标

• 尽管增强现实（AR）应用不断增长，但针对室外环境仍缺乏高精度自我定位解决方案。
• 克服GPS和昂贵传感器（如LiDAR）在城市及复杂室外环境中的局限性。
• 开发一种适用于移动和可穿戴物联网设备的实用、低成本视觉定位系统。
• 应对大规模模型构建以及因时间推移导致的场景变化引发的模型过时问题。
• 通过引入模型更新机制并发布全面的长期数据集，实现长期、自适应的定位。

提出的方法

• 将模型压缩建模为加权k覆盖问题，以在最小化模型大小和计算成本的同时保持结构完整性。
• 在训练阶段，利用结构光场（SfM）算法，从车辆拍摄的图像中构建局部三维点云模型。
• 在自我定位过程中，基于粗略GPS估计下载预先构建的局部三维模型，以实现实时匹配。
• 使用SIFT特征进行图像到模型的匹配，并应用卡尔曼滤波对定位结果进行时间平滑处理。
• 实现一种自动模型更新算法，利用新获取的图像对现有模型进行持续优化与适应。
• 利用来自多个用户的云端数据收集，构建并持续改进模型池中的场景模型。

实验结果

研究问题

• RQ1 仅使用低成本单目摄像头，基于视觉的定位系统是否能在真实室外环境中实现亚米级精度？
• RQ2 如何优化模型压缩，以在最小化计算与内存开销的同时保持场景结构？
• RQ3 模型更新机制在动态室外场景中对长期定位精度的提升程度如何？
• RQ4 在光照、天气和一天中不同时间（尤其是夜间）条件下，系统性能如何，特别是在夜间？
• RQ5 所提出的方法是否能够支持需要高精度图像配准的实用增强现实应用？

主要发现

• 在为期一个月、包含14,275张图像的长期数据集上，所提系统实现了30.9厘米的平均定位误差和15.4厘米的标准差。
• 通过加权k覆盖公式进行模型压缩，能有效减小模型大小，同时保持高精度并完整保留场景结构。
• 模型更新机制显著优于固定模型，在某些测试会话中（如M3/4 14:30）精度提升最高达100倍。
• 在光照条件较差的情况下（如夜间场景），定位精度下降，表明夜间性能仍是主要挑战。
• 系统能够实现精确的AR显示对齐，通过估计的相机位姿成功将虚拟信息投影到真实场景中。
• 发布了一个长期、多会话的室外定位数据集（106个会话，14,275张图像），为未来视觉定位研究提供了宝贵的基准。