该文提出了一种融合视觉语义信息和轻量级高精地图的定位方法，利用局部、全局和时序一致性建立地图元素与检测元素的关联策略。在因子图框架下实现视觉和里程计的紧耦合定位，确保在各种场景下的高精度。在0.2m地图误差和5像素检测误差下，位置精度达0.23m，yaw角精度0.063°。实测城市道路数据表明，算法能有效处理检测和地图错误，尽管非实时，但展示了良好的性能。
一、创新点和主要贡献
提出了一个基于视觉语义信息和轻量级高精地图的定位方案，且地图元素高度信息不用特别精准；
结合局部一致性， 全局pattern一致性和时序一致性，提出了一个鲁棒的地图元素和检测元素的关联策略；
在因子图框架下(pose graph)，实现了一种视觉语义特征和里程计紧耦合的定位方案；
二、精度和速度
2.1 典型场景仿真结果
场景模拟了一个十字路口： 道路两侧各有4个杆状物体， 在车辆前方有2个交通灯和2个标识牌；
在0.2m的高精地图误差和5像素的检测误差条件下， 能实现0.23m的位置精度和0.063°的yaw角朝向精度；
feature距离ego-vehicle越远，对横向和yaw角的精度帮助越大；
在自车坐标系下， features之间的横向距离越远，对纵向的精度帮助越大；（why?）
2.2 城市道路实际数据结果
数据是30km的城市路段，包含隧道，高架和城市峡谷等场景；
实测纵向误差0.43m， 横向误差0.12m, yaw角误差0.11°
文中提出的数据关联策略有效应对了检测中的漏检和误捡，以及地图中的漏标和误标
2.3 速度
作者在后续工作中特别说明了这个算法没有到实时（匹配过程比较复杂吧？）
三、实现方案
3.1 图片中语义特征提取
用yolo v3检测灯杆，标识牌和路面标识等
3.2 数据关联
step 1: 在初始位姿附近采样一系列位姿，并按照这些位姿把地图元素进行投影；
step2: 选取一个最好的初始位姿；
step3: 考虑匹配梳理，匹配相似度和局部结构相似度，形成单帧的最优匹配；
step4: 对单帧匹配结果做匹配（可以和step1~3并行）
step5: 多帧平滑（公式没看懂）
3.3 位姿图优化
位姿图优化和重投影误差放在了一起
四、重要参考文献
(2019, icra) Localization with sliding window factor graphs on third-party maps for automated driving
835
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
