Meta｜OrienterNet: 用神经匹配在2D开放地图中进行视觉定位

​

OrienterNet: Visual Localization in 2D Public Maps with Neural Matching

Paul-Edouard Sarlin, Daniel DeTone, Tsun-Yi Yang, Armen Avetisyan, Julian Straub, Tomasz Malisiewicz, Samuel Rota Bulo, Richard Newcombe, Peter Kontschieder, Vasileios Balntas

[Meta Reality Labs & ETH Zurich]

OrienterNet: 用神经匹配在2D开放地图中进行视觉定位

要点:

• 动机：大多数视觉定位算法都依赖于复杂的3D点云，这些点云的建立、存储和维护成本高昂。本文介绍了OrienterNet，它是第一个可以用与人相同的2D语义地图定位图像的深度神经网络。
• 方法：通过将神经鸟瞰图与来自OpenStreetMap的开放全球可用地图进行匹配，OrienterNet可以估计查询图像的位置和方向。该模型仅受相机姿态监督，但可以学习在端到端方式下执行广泛的地图元素的语义匹配。
• 优势：OrienterNet可以使用来自OpenStreetMap的全球和免费地图，任何人都可以在这些地图可用的地方进行定位。同时，OrienterNet具有高速和可解释性，能够泛化到之前未见过的城市和不同视角的图像，并显著提高了3-DoF定位的性能。

OrienterNet是一种深度神经网络，可以通过匹配2D语义地图与OpenStreetMap的全球开放地图，实现图像的定位和方向估计，精度可达到小于1米。

https://arxiv.org/abs/2304.02009 

​Read More