稀疏锚点方法提升跨会话视觉配准召回率

Yunus Talha Erzurumlu 等作者提出一种视觉多会话配准方法：把新采集的查询会话轨迹对齐到此前重建的参考地图，即使环境发生显著视觉与结构变化。方法先用视觉位置识别、局部特征匹配和几何验证生成绝对对齐假设，再用序列一致性剔除与共同查询到参考对齐不符的假设，保留的位姿作为绝对锚点，经高斯特征场上的特征度量对齐精化后，与会话内相对位姿约束一起进入鲁棒位姿图优化。 作者在 HILTI26 建筑工地数据集的 15 组跨会话实验中评估，覆盖显著场景变化和难以匹配的环境。作者称，该方法在 1 米内达到 94.4% 召回、5 米内达到 100.0%，高于独立图像定位的 65.3% 和 70.7%，也优于独立重建 Structure-from-Motion 几何的直接配准。该论文发布在 arXiv，尚未见同行评议信息。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。