NuRF：在辐射场中调整粒子滤波器以辅助机器人视觉定位

《IEEE Transactions on Cognitive and Developmental Systems》：NuRF: Nudging the Particle Filter in Radiance Fields for Robot Visual Localization

本研究提出基于神经辐射场（NuRF）的机器人单目视觉定位方法，结合自适应粒子滤波与全局定位框架，有效提升定位速度和精度，实验显示其比蒙特卡洛方法快七倍且误差小于1米。

　　

摘要：

我们能否仅使用单目视觉在地图上定位机器人？本研究提出了神经辐射场（NuRF），这是一种基于辐射场的自适应粒子滤波框架，用于六自由度（6-DoF）机器人的视觉定位。NuRF利用了辐射场和视觉位置识别领域的最新进展。传统的视觉位置识别方法面临着数据稀疏性和人为误差导致的精度问题。通过利用辐射场生成的新视图，NuRF提高了视觉定位性能，并将粗略的全局定位与粒子滤波器的精细姿态跟踪相结合，确保了连续且精确的定位。实验结果表明，我们的方法比现有的基于蒙特卡洛的方法收敛速度快7倍，并且定位精度达到1米以内，为室内视觉定位提供了一种高效且可靠的解决方案。

引言

在地图上进行视觉定位是机器人导航中的一个关键问题，这与人类感知世界的方式非常相似。理想的视觉定位系统不仅能够全局准确地定位机器人，还能够实现连续定位[1]。现有的基于特征的技术，如透视n点（PnP）[2]，可以为机器人提供稳定且准确的连续姿态跟踪，但在定位失败的情况下难以直接解决全局定位问题[3]。另一方面，基于学习的方法，如视觉位置识别（VPR）[4]、[5]、[6]，可以通过训练好的网络从头开始恢复或预测姿态。但这些方法在提供全面的、成本效益高的连续六自由度（6-DoF）姿态跟踪解决方案方面存在不足。因此，亟需一个统一的框架，将全局定位和姿态跟踪集成在一起，使得可以在同一张地图上使用同一种定位方法完成两项任务。