基于视觉的大规模室内外联合地理定位方法研究

Vision-based geo-localization refers to the process of determining the geographic location of a camera from a single image captured by it. Due to its low cost, scalability, and convenience compared with existing traditional localization methods relying on various other hardware sensors, vision-based geo-localization has drawn much attention from research communities such as computer vision, artificial intelligence, robotics, etc. To address the many challenges arising from visual data sources, base 3D model, and localization performance in existing vision-based geo-localization methods, this research focuses on key components in the construction, storage, and retrieval of base 3d point cloud model, and the computation of geographic location. Specifically, this research is expected to propose a complete vision-based geo-localization framework with novel methods for efficient 3D reconstruction from multi-source visual data, base 3D point cloud association and registration, base model reduction and the construction of its extended feature database, and robust and efficient geographic location calculation from point-feature correspondences. The objective of this research is to develop relevant advanced theories and techniques for developing accurate, robust, as well as efficient vision-based joint geo-localization systems with wide applicability for large-scale indoor and outdoor environments, which is undoubtedly of great theoretical and practical significance.

基于视觉的地理定位是根据图像计算拍摄该图像的照相机的地理位置信息的过程。与基于位置传感器或其他信号传感器的传统定位技术相比，基于视觉的地理定位方法具有成本低廉、使用便捷、扩展性好等优点，近年来逐渐在计算机视觉、人工智能、机器人等领域引起广泛关注。本项目针对基于视觉的室内外地理定位方法在视觉数据源、基准三维模型、定位性能等方面面临的普遍问题，从基准三维点云模型构建、存储、检索以及地理位置计算等重要环节入手，重点突破基于多源大规模视觉数据的高效三维重构、面向地理定位的基准三维点云融合与对齐、基准三维点云简化及其扩展特征库构建、以及基于特征对应的鲁棒性高精度地理位置快速解算等关键技术。本项目旨在构建完善基于视觉的大规模室内外联合地理定位理论框架和技术方法，相关研究成果预期大幅提高基于视觉的室内外联合地理定位系统在鲁棒性、适用范围、定位精度、计算开销等方面的性能，具有较重要的理论和实际意义。

基于视觉的地理定位是根据图像计算拍摄该图像的照相机的地理位置信息的过程。与基于位置传感器或其他信号传感器的传统定位技术相比，基于视觉的地理定位方法具有成本低廉、使用便捷、扩展性好等优点，近年来逐渐在计算机视觉、人工智能、机器人等领域引起广泛关注。本项目针对基于视觉的室内外地理定位方法在视觉数据源、基准三维模型、定位性能等方面面临的普遍问题，从基准三维点云模型构建、存储、检索以及地理位置计算等重要环节入手，开展了基于多源大规模视觉数据的高效三维重构方法研究，包括增量式大规模图像聚类快速构建方法，多视图几何关联与数据筛选方法，多视图全局运动推断结构方法；面向地理定位的基准三维点云融合与对齐方法研究，包括三维点云模型关联分析与融合方法，基准三维点云模型相似变换估计方法，基于投影一致性的基准三维点云对齐优化方法；基准三维点云简化及其扩展特征库构建方法研究，包括三维点云模型支撑点集提取方法、三维点云模型扩展特征库构建方法、三维点云模型特征库索引构建方法等；基于特征对应的鲁棒性高精度地理位置快速解算方法，包括三维搜索空间约减与快速特征检索方法，鲁棒性查询相机位姿快速解算方法，相机位姿优化与地理定位结果转换方法。构建完善了基于视觉的大规模室内外联合地理定位理论框架和技术方法，提高了基于视觉的室内外联合地理定位系统在鲁棒性、定位精度等方面的性能。相关技术可以丰富现代地理定位理论和方法，弥补传统地理定位技术在特定方面的不足，为打造成本低廉、易于使用的新一代高精度地理定位系统提供支撑。从应用上看，由于基于视觉的定位技术所需的图像获取设备（比如：手机摄像头）目前已经十分普及，并易于集成到现有的位置相关应用中，因此基于视觉的定位技术具有广阔的使用空间。