本文經自動駕駛之心公眾號授權轉載，轉載請聯系出處。

地點識別仍充滿挑戰

在機器人領域，追求實現真正的自主性，能夠執行大規模和長期運營的任務，使地點識別（PR）成為一項關鍵技術。盡管過去二十年來PR社區取得了顯著進展，并吸引了計算機視覺和機器人等領域的關注，但發展出足以支持現實世界機器人系統的PR方法仍然是一個挑戰。本文旨在通過突出PR在同時定位與地圖構建（SLAM）2.0框架中的關鍵作用來填補這一差距。機器人導航的這一新階段需要通過整合先進的人工智能（AI）技術來實現可擴展、適應性強、高效的PR解決方案。為此，對PR領域的當前最新技術進展進行了全面的回顧，同時強調了其在機器人領域的廣泛應用以及仍然存在的挑戰。本文首先探討了PR的制定和關鍵研究挑戰。廣泛地回顧了文獻，重點關注了與地點表示和解決各種PR挑戰相關的方法。還討論了展示PR在機器人領域潛力的應用、主要的PR數據集和開源庫。還強調了我們的開源軟件包，旨在為通用PR的新開發和基準測試提供支持。

題目：General Place Recognition Survey: Towards Real-World Autonomy

作者單位：香港城市大學，倫敦大學學院，特拉華大學,卡內基梅隆大學等，南開大學

開源地址：https://github.com/MetaSLAM/GPRS

本文綜述結構一覽

位置識別（PR）是在不同環境條件和視角差異下識別已訪問區域的能力。在本次調查中，第二部分定義了基于位置識別的問題，并介紹了所面臨的重大挑戰。第三部分研究了位置表示的方法。第四部分和第五部分分別針對當前四大挑戰提供了解決方案和潛在應用。最后，第六部分介紹了目前用于PR研究的數據集、指標和相關支持庫。

位置識別方法與時間線

這個時間線展示了位置識別（PR）的演變，從手工方法過渡到數據驅動方法。它還強調了具有代表性的PR方法的關鍵特征，總結了該領域的相關調查，并隨著PR方法的發展介紹了相關應用。我們的調查出現在一個合適的時刻，恰逢人工智能、重建和協作感知等多個領域的重要事件。

針對特定位置識別（PR）挑戰的代表性解決方案

數據集相關