一种基于环视鸟瞰图和导航地图的特征匹配方法-用于视觉重定位-

一种基于环视鸟瞰图和导航地图的特征匹配方法-用于视觉重定位-

在GPS信号容易受到多源误差影响（如GPS拒止）的城市环境中，鲁棒定位是实现自动驾驶（autonomous driving）的基础。

传统的定位方法依赖于由精确标注的路标组成的高精度（high-definition，HD）地图。

但是，制作HD地图耗时、费力。

鉴于这些问题，利用导航地图成为一种很有前景的低成本替代方案。

目前基于导航地图的定位方法已经可以实现高精度定位，但其复杂的匹配策略导致推理时间很长，无法满足实时性需求。

为此，我们提出了一种新的基于Transformer的神经网络重定位方法。

受图像匹配方法的启发，我们在导航地图（navigation maps）和视觉鸟瞰图特征（visual bird’s eye view features）之间，进行了从粗到精的神经网络特征匹配。

在nuScenes和Argoverse数据集上，我们的方法都明显优于OrienterNet，在单视图和环视图（surround-view images）输入设置上分别提高了近10%/20%的定位精度和30/16的帧率（FPS）。

总结，我们提出了一种用于自动驾驶的无高精地图（HD-map-free）定位方法，在具有挑战性的驾驶环境中可具备经济性、可靠性和可扩展性。

附赠自动驾驶最全的学习资料和量产经验：链接

标题、作者

论文链接

https://arxiv.org/abs/2407.08561

摘要原文

论文附图、表