facebookresearch/OrienterNet
Source Code for Paper "OrienterNet Visual Localization in 2D Public Maps with Neural Matching"
解决的问题
OrienterNet 解决了视觉定位的挑战——在大范围内确定相机图像的精确位置和方向，而无需依赖昂贵且复杂的 3D 点云。相反，它使用全球可用的 2D 语义地图（如 OpenStreetMap）来确定图像的方向。
工作原理
该系统使用深度神经网络，通过将输入图像的神经鸟瞰图（BEV）表示与 2D 地图数据进行匹配，来估计位置和方向。这使得模型能够像人类一样，通过将视觉特征与环境的语义布局进行比较，来实现图像定位。
适用人群
本项目专为从事计算机视觉、机器人和自主导航的研究人员和开发者设计，他们需要一种利用公开 2D 地图数据对图像进行定位的方法。
主要亮点
- 2D 地图集成：使用 OpenStreetMap 数据进行定位，而非 3D 重建。
- 神经匹配：采用神经鸟瞰图方法将图像与地图进行匹配。
- 预训练模型：提供预训练权重，可通过网页和 Colab 演示立即使用。
- 跨数据集评估：在 Mapillary Geo-Localization (MGL) 和 KITTI 数据集上进行了评估。
相关
- 项目
- 项目
- 项目
- 项目
- 项目