Augmented Reality without Borders: Achieving Precise Localization Without Maps

视觉定位对于计算机视觉和增强现实（AR）应用至关重要，其中确定相机或设备的位置和方向对于准确地与物理环境交互至关重要。传统方法依赖于使用运动结构（SfM）或同时定位和映射（SLAM）构建的详细三维地图，这在动态或大规模环境中计算成本高且不切实际。我们介绍了MARLOC，这是一种新颖的AR应用定位框架，它使用图像序列中已知的相对变换来执行序列内三角测量，为姿态估计和细化生成3D-2D对应关系。MARLOC消除了预构建SfM地图的需要，提供了适用于动态室外环境的精确和高效的定位。基准数据集和实际实验的评估表明了MARLOC的最先进性能和鲁棒性。通过将MARLOC集成到AR设备中，我们突出了其在现实室外场景中实现精确定位的能力，展示了其实际有效性和增强AR应用中视觉定位的潜力。

MARLOC论文旨在解决计算机视觉和增强现实应用中的视觉定位问题，特别是在动态室外环境下，避免了传统方法中需要构建详细的三维地图的计算负担。

MARLOC使用已知的图像序列内部的相对变换来进行三角测量，生成用于姿态估计和细化的三维-二维对应关系，从而实现精确和高效的定位，而无需预先构建SfM地图。

论文通过基准数据集和实际场景实验验证了MARLOC的性能和鲁棒性，并展示了将MARLOC集成到AR设备中的实际效果和潜力。值得关注的是，MARLOC不需要预先构建SfM地图，适用于动态室外环境，具有高精度和高效性。

最近的相关研究包括使用深度神经网络进行图像定位和使用SLAM构建三维地图等。