机器人移动传感器引导的跨时节六自由度视觉定位

目前主流的视觉定位方法先构建查询图像的 2D像素与参考地图的 3D 点之间的对应关系，然后使用 PnP RANSAC 算法求解相机的六自由度位姿。对于大范围的场景，通常采用图像检索作为中间步骤来预先确定场景的哪些部分可能在查询图像中可见。然而，在在一个时间变化的室外环境中，由于照明、季节和结构变化引起的查询图像和参考图像之间的外观差异巨大，使得 2D-3D 匹配变得十分困难，因此在这种具有挑战性条件下的基于图像匹配和姿态估计的相机定位仍是一个具有挑战性的问题。随着配备各种传感器如惯性测量单元（IMU）、重力计、指南针、GPS、WiFi和蓝牙等的移动设备的普及，结合视觉和多传感器的位姿估计法成为实际场景中准确定位的一种新思路。

本文提出了一种名为SensLoc的新方法，基于移动电话上的多模态传感器实现长期视觉定位，利用附加移动传感器（主要是GPS、指南针和重力传感器）来辅助图像检索和姿态估计，克服了在时变的室外环境中图像匹配的困难。还构建了新的室外数据集，提供了各种移动传感器数据和查询与参考图像之间强烈的外观变化。提出的方法在精度和时间成本方面显著优于先进的定位方法。因此，本论文认为利用移动电话上的多模态传感器可以有效地解决长期视觉定位问题。且该研究成果在民用和军事L域都有广泛的应用。在民用L域，该研究可用于自动驾驶、机器人导航、混合现实等众多应用。在军事L域，该研究可用于支持地面和空中有人/无人装备，通过实景三维数字化战场支撑拒止条件下的G精度自身定位与目标指示。