利用AR位姿与集成INS-GPS的增强型单目视觉里程计实现城市场景中的鲁棒定位
Enhanced Monocular Visual Odometry with AR Poses and Integrated INS-GPS for Robust Localization in Urban Environments
AI总结：
本文提出一种融合单目视觉里程计、AR位姿与INS-GPS数据的低成本定位系统，利用AR位姿解决尺度问题并通过扩展卡尔曼滤波提升精度，在1公里轨迹上达到1.529米RMSE，实现车道级定位。
摘要：
本文提出了一种经济高效的定位系统，该系统结合了单目视觉里程计、增强现实（AR）位姿以及集成INS-GPS数据。我们利用AR位姿解决单目VO的尺度因子问题，并通过扩展卡尔曼滤波器对INS和GPS数据进行滤波，从而提高精度。我们的方法使用来自Google Street View的人工标注轨迹进行测试，在1公里轨迹上实现了1.529米的RMSE。未来工作将聚焦于实时移动端实现以及进一步集成视觉惯性里程计以实现鲁棒定位。该方法以最少的硬件实现了车道级精度，使先进导航更加易于获取。
英文摘要：
This paper introduces a cost effective localization system combining monocular visual odometry , augmented reality (AR) poses, and integrated INS-GPS data. We address monocular VO scale factor issues using AR poses and enhance accuracy with INS and GPS data, filtered through an Extended Kalman Filter . Our approach, tested using manually annotated trajectories from Google Street View, achieves an RMSE of 1.529 meters over a 1 km track. Future work will focus on real-time mobile implementation and further integration of visual-inertial odometry for robust localization. This method offers lane-level accuracy with minimal hardware, making advanced navigation more accessible.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
