用于室外环境中视觉定位的新地图管理流程

苏黎世联邦理工学院自治系统实验室的研究人员最近开发了一种视觉定位系统的地图管理流程，专门针对涉及多辆车辆的户外环境中的操作而设计。他们的研究在今年的智能车辆研讨会(IV)上展示并在arXiv上发布，解决了将大量视觉定位数据整合到终身视觉地图中的关键挑战，以便在所有外观条件下始终如一地提供有效的本地化。

“自我定位是任何类型的移动机器人的关键，包括自动驾驶汽车，”开展这项研究的研究人员之一MathiasBürki告诉Tech Xplore。“虽然大多数自主研究车辆配备了3D LiDAR传感器，但这些仍然很昂贵，因此它们适合未来的大规模生产是有问题的。另一方面，相机传感器非常便宜，已经进入现有的汽车车队(例如，对于停车辅助系统)。因此，我们一直在研究使用摄像头作为主要传感器以实现自动驾驶车辆精确定位的潜力。“

在为户外环境开发视觉定位系统时遇到的主要挑战之一是确保这些系统能够很好地应对外观变化。这些包括短期(例如照明，阴影等)和长期(例如季节变化，树叶等)发生的变化。

过去的研究发现，为视觉定位而创建的地图在理论上可以适应在不同的户外外观条件下工作。尽管如此，调整这些地图可能非常昂贵，需要在维护地图的服务器和自动驾驶车辆本身上花费大量资源。虽然有许多解决方案可以帮助降低成本并解决这个问题的复杂性，但到目前为止，这些解决方案只能单独进行调查。

“我们最近研究的目标是结合不同的组件和方法来提高可扩展性，例如离线地图摘要和基于在线外观的地标选择，以构建完全可扩展且资源有效的本地化和制图系统，”Bürki解释说。 。“我们还想详细研究这个系统在现实世界，长期条件下的运行情况，可视化地图收敛到稳定状态需要多长时间，处理可伸缩性的不同组件在多大程度上协同工作，以及是否有人以不受欢迎的方式干扰对方。“

Bürki及其同事开发的地图管理流程通过在地图上添加新的数据集来不断更新，以更好地应对新的外观条件。每次将新数据集添加到地图时，后续地图汇总步骤都会确保其大小不超过某个限制。

“如果新数据集已经在地图已经很好地覆盖的外观条件下进行了记录，则数据集不会添加到地图中，但是有关地标观测的统计数据会得到改进，这反过来会在将来基于外观的地标选择更有效率，“Bürki解释说。

研究人员在充满挑战的户外条件下测试了现实世界中的新地图管理流程。他们的评估结果非常有希望，这表明他们的轻量级地图管理机制可以帮助开发在不同外观条件下运行良好的自动驾驶车辆的视觉定位系统，同时在地标选择方面也表现更好。

“我们最有意义的发现是，构建这样一个视觉定位和绘图系统确实可行且实际可行，a)是并且仍然有效，b)是，并且仍然可扩展，以及c)在室外环境中提供准确的本地化长期来看，“Bürki说。“另一个发现是，基于在线外观的地标选择和离线地图汇总很好地协同工作，相互补充。”

未来，大多数高性能自动驾驶汽车很可能配备3D LiDAR传感器，因为这些传感器目前对于确保安全性和确保车辆有效地感知周围环境(包括行人)的障碍物至关重要。最近，这些传感器的成本大幅下降，这也有助于它们在未来几年得到广泛采用。

“我们现在将更多的研究重点放在如何使用LiDAR传感器来支持视觉定位的问题上，”Bürki说。“特别是在光线不足的情况下，相机不可避免地达到极限，而激光雷达也非常适合黑暗条件。”