HPR方法用于视觉定位位姿选择失败恢复

2026年10月14日，arXiv Computer Vision 刊出 Jaehyun Kim 等作者的论文，提出 History-Guided Pose Reselection（HPR）方法，用于纠正重复视觉定位中的位姿选择失败。据该报道，HPR 利用最多五次历史定位输出的粗略位置预测，区分当前查询中彼此分离的候选位姿；仅当所有拟合良好的预测都更接近备选位姿时，才替换定位器结果。该方法无需里程计，且不改变所选候选，预测仅用于选择而非位姿精化。报道称，使用一个开发集阈值，HPR 在 Hierarchical Localization（HLoc）、基于 MASt3R 的位姿生成和基于 JIST 的检索的全部 12 个主要配置中，均提升了 5 米与 10 度范围内的召回率，丢失成功查询的比例低于 0.4%。在 NAVER Gangnam B1 上，HPR 纠正了 97 个 HLoc 失败并丢失 6 个成功；在全部三个 HLoc 测试集上，增益在 0.25 米与 2 度范围内持续存在。报道还称，在 HLoc 候选上，HPR 的中位运行时间低于 1 毫秒，不含位姿生成。目前进展限于该论文所报告的实验与数据。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。