新方法优化视觉定位系统的地图密度

研究人员开发了一种新颖的方法，可自动选择视觉定位（VPR）系统中地图数据库的最佳密度。该方法旨在确保VPR系统在各种环境片段中满足用户指定的性能要求，而不仅仅是平均水平。通过使用两条参考遍历，系统可以估计达到目标局部召回率@1（Local Recall@1）水平和期望的召回率达成率（RAR）所需的地图密度。在Nordland和Oxford RobotCar基准测试上的实验表明，该系统在满足这些目标和避免不必要的密集地图方面是有效的，并强调RAR比全局召回率@1更具操作相关性。 AI

影响 这项研究可以提高依赖于真实世界环境中视觉定位的自主系统的可靠性和效率。

排序理由 该集群包含一篇详细介绍视觉定位新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• alphaXiv
• arXiv
• CatalyzeX Code Finder for Papers
• DagsHub
• Gotit.pub
• Hugging Face
• Nordland
• Oxford RobotCar
• ScienceCast
• Somayeh Hussaini

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →