RobustLoc：在具有挑战性的驾驶环境中实现稳健的相机姿态回归

相机重定位在自动驾驶领域有多种应用。以往的相机姿态回归模型仅考虑环境干扰较小的理想场景。为了应对可能因季节变化、天气、光照以及不稳定物体存在而变得复杂的驾驶环境，我们提出了一种名为RobustLoc的方法，该方法通过神经微分方程获得了对干扰的鲁棒性。我们的模型使用卷积神经网络从多视角图像中提取特征图，采用鲁棒神经微分方程扩散模块进行信息的交互扩散，并通过多层训练的分支姿态解码器来估计车辆的姿态。实验结果表明，RobustLoc超越了当前最先进的相机姿态回归模型，并在各种环境中表现出强大的性能。我们的代码已发布在：https://github.com/sijieaaa/RobustLoc