PadLoc：免训练稀疏几何匹配的楼层平面定位

Marian Bookhahn 与 Frank Neumann 提出免训练定位后端 PadLoc，把移动传感器定位到已知楼层平面中，论文已被 WACV 2027（Algorithms track）接收。它保留可替换的深度前端，用稀疏几何匹配替代稠密 (x,y,θ) 位姿网格后端：由主导墙面朝向生成少量候选位姿，用掩码归一化互相关比对观测自由空间与平面图，再经移动位姿高斯混合贝叶斯滤波与一致性读出解码轨迹。 在固定各对比方法深度前端的条件下，作者称 PadLoc 在 Gibson 各轨迹长度上不逊于或优于 UnLoc 前向滤波与 F3Loc 滤波，T=35 起优于 UnLoc 离线精化；共享 MapAnything 前端时超过 Z-FLoc 已发表结果。Bonn LiLocBench 上，轮式里程计下 SR@1m 较 UnLoc 提升 23–32 个百分点，真值运动下提升 35–43 个百分点；全视场 LiDAR 加轮式里程计时，静态序列达 100% SR@1m、中位误差 9–10 cm。 Hilti-Trimble 定位挑战中，仅用鱼眼相机的装置在数百米见方的施工楼层上，五个会话中有三个达到 0.90–0.98 在线 SR@2m；加入学习式墙面分离并应用于全部会话后，五个会话均覆盖，为 0.67–0.92，定位器本身未改动。以上为论文报告结果，尚待独立验证。

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。