本文经自动驾驶之心公众号授权转载，转载请联系出处。
地点识别仍充满挑战
在机器人领域，追求实现真正的自主性，能够执行大规模和长期运营的任务，使地点识别（PR）成为一项关键技术。尽管过去二十年来PR社区取得了显著进展，并吸引了计算机视觉和机器人等领域的关注，但发展出足以支持现实世界机器人系统的PR方法仍然是一个挑战。本文旨在通过突出PR在同时定位与地图构建（SLAM）2.0框架中的关键作用来填补这一差距。机器人导航的这一新阶段需要通过整合先进的人工智能（AI）技术来实现可扩展、适应性强、高效的PR解决方案。为此，对PR领域的当前最新技术进展进行了全面的回顾，同时强调了其在机器人领域的广泛应用以及仍然存在的挑战。本文首先探讨了PR的制定和关键研究挑战。广泛地回顾了文献，重点关注了与地点表示和解决各种PR挑战相关的方法。还讨论了展示PR在机器人领域潜力的应用、主要的PR数据集和开源库。还强调了我们的开源软件包，旨在为通用PR的新开发和基准测试提供支持。
题目：General Place Recognition Survey: Towards Real-World Autonomy
作者单位：香港城市大学，伦敦大学学院，特拉华大学,卡内基梅隆大学等，南开大学
开源地址：https://github.com/MetaSLAM/GPRS
本文综述结构一览
位置识别（PR）是在不同环境条件和视角差异下识别已访问区域的能力。在本次调查中，第二部分定义了基于位置识别的问题，并介绍了所面临的重大挑战。第三部分研究了位置表示的方法。第四部分和第五部分分别针对当前四大挑战提供了解决方案和潜在应用。最后，第六部分介绍了目前用于PR研究的数据集、指标和相关支持库。
位置识别方法与时间线
这个时间线展示了位置识别（PR）的演变，从手工方法过渡到数据驱动方法。它还强调了具有代表性的PR方法的关键特征，总结了该领域的相关调查，并随着PR方法的发展介绍了相关应用。我们的调查出现在一个合适的时刻，恰逢人工智能、重建和协作感知等多个领域的重要事件。
针对特定位置识别（PR）挑战的代表性解决方案
数据集相关
