Global Localization: Utilizing Relative Spatio-Temporal Geometric Constraints from Adjacent and Distant Cameras

在机器人和增强/虚拟现实的许多计算机视觉应用中，从之前映射过的区域的单张图像重新定位相机对于定位至关重要。在这项工作中，我们解决了从单张图像估计相机相对于全局坐标系的6自由度姿态的问题。我们提出利用一种新颖的相对空间和时间几何约束网络来指导定位的深度学习网络的训练。我们同时采用空间和时间相对姿态约束，这些约束不仅来自相邻的相机帧，还来自在场景的时空空间中相距较远的相机帧。我们通过这些约束表明，我们的方法能够在很少或非常稀疏的地面真实3D坐标可用时学习定位，这少于可用的地面真实数据的1%。我们在三个常见的视觉定位数据集上评估我们的方法，并展示它优于其他直接姿态估计方法。

本文旨在解决从单张图像中估计相机姿态的问题，尤其是在先前被映射的区域中。这是机器人和增强/虚拟现实等计算机视觉应用中的关键问题。

本文提出了一种新颖的相对空间和时间几何约束网络，以指导深度网络进行定位的训练。通过同时使用空间和时间相对姿态约束，即使在可用地面真实3D坐标非常少的情况下，也可以学习到定位。

本文的亮点包括：使用了一种新颖的相对空间和时间几何约束网络，可以学习到定位；在少于1%的可用地面真实3D坐标的情况下进行了实验；在3个常见的视觉定位数据集上进行了评估，并表现出比其他直接姿态估计方法更好的效果。

在这个领域中，最近的相关研究包括：'PoseNet'，'MapNet'和'SuperPoint SLAM'等。