清华、蔚来发布！单目重定位研究综述

以下内容来自小六的机器人SLAM学习圈（6年积累，全国最大的机器人SLAM交流社区，为SLAM行业从业者提供从入门、学习、交流、求职、线下链接、合作、咨询、答疑等一系列的服务）知识星球每日更新内容

#论文# #开源# arxiv速递|清华大学与蔚来自动驾驶部门开源“单目重定位研究综述：从场景地图表示的角度出发”

【A Survey on Monocular Re-Localization: From the Perspective of Scene Map Representation】

文章链接：[2311.15643] A Survey on Monocular Re-Localization...

开源研究：Page not found · GitHub · GitHub

   单目重定位( Monocular Re-Localization，MRL )是许多自主应用中的关键组成部分，它根据单目图像估计场景地图的6个自由度位姿。近几十年来，MRL技术的发展取得了重大进展。许多地标算法在定位精度和对视觉干扰的鲁棒性方面取得了卓越的成就。在MRL研究中，场景地图以多种形式表示，它们决定了MRL方法的工作方式，甚至决定了MRL方法的性能。然而，据我们所知，现有的调查并没有从地图的角度对MRL进行系统的综述。本综述通过全面回顾以单目相机为主要传感器的MRL方法，填补了这一空白，促进了进一步的研究。

   1)我们首先研究了MRL的问题定义，探讨了当前面临的挑战，并与先前发表的调查进行了比较。2 )根据所使用地图的表示形式，将MRL方法分为5类，即地理标记框架、可视地标、点云和矢量化语义地图，并对每一类方法的里程碑式MRL工作进行了回顾。3 )为了定量和公平地比较MRL方法与各种地图的优劣，我们还回顾了一些公开的数据集，并给出了一些典型MRL方法的性能。分析了不同类型MRL方法的优缺点。4 )最后，我们介绍了该领域的一些感兴趣的话题，并给出了个人见解。

   本文的工作可对MRL感兴趣的新来者和研究人员提供参考资料，将会不断更新摘要，包括参考的论文和数据集，可向社区公开。

以上内容来自小六的机器人SLAM学习圈（6年积累，全国最大的机器人SLAM交流社区，为SLAM行业从业者提供从入门、学习、交流、求职、线下链接、合作、咨询、答疑等一系列的服务）知识星球每日更新内容

推荐全国最大的机器人AI技术交流社区

小六的机器人SLAM圈，正在/即将更新的独家重磅内容：

1、【创业大咖】采访机器视觉行业老兵：企业里的真实项目需求分析、做项目避坑经验、通用CV平台搭建、给从业者的建议。校稿中

2、【创业大咖】采访XREAL联创：AR眼镜的核心技术、商业化及时代洪流中的个人选择。校稿中

3、【创业大咖】采访文生视频新锐Mobius创始人：从SLAMer到创立中国版Sora的故事。

4、【专家分享】采访追觅SLAM专家：企业里的SLAMer都在做啥、学术和工程的技术思维、算法工程师的规划和建议、机器人的未来展望。校稿中

5、【师兄分享】采访华科博士：博士换方向的得与失、事件相机SLAM探讨、学习和科研的经验。