90.48% // TOP-1
VPR // DINOV2
<50MS 推理

LOCI

机器人的视觉记忆

机器人需要知道自己在哪。LOCI 提供视觉地点识别 — 将相机帧与存储的地点记忆匹配。DINOv2 嵌入，50ms 内推理，90.48% top-1 准确率。闭环检测、重定位、舰队记忆。

模块状态: 运行中

Top-1 准确率

90.5%

部门: ANIMA
波次: W5
领域: 感知
第五波 // ANIMA 套件: 视觉地点识别

LOCI // W5 // 041/079

01核心挑战

机器人会迷失位置

移动机器人在变化的环境中导航。里程计会漂移。GPS 在室内失效。不知道"我在哪"，建图、规划和协调都会崩溃。传统地点识别依赖手工特征 — 脆弱、缓慢，在视角或光照变化下容易失败。

你需要一个系统：从单张图像识别地点，与不断增长的记忆匹配，并在机器人硬件上实时运行。DINOv2 和现代 VPR 方法实现了这一点 — 但部署需要精细的工程。

02解决方案

LOCI 提供什么

LOCI 构建地点的视觉记忆。每帧相机图像被编码为指纹；系统在记忆网格中搜索匹配。闭环检测、重定位和舰队级地点共享。

流程

01帧捕获 — 来自机器人相机的 RGB 图像
02DINOv2 嵌入 — 提取地点指纹（768 维向量）
03记忆搜索 — 与存储的地点槽比较，最近邻
04匹配或存储 — 若匹配 > 阈值则返回地点 ID，否则添加新槽

能力

闭环检测检测机器人返回先前访问过的地点→ 纠正里程计漂移，实现一致建图
重定位在绑架或传感器丢失后恢复位姿→ 对故障鲁棒，快速恢复
舰队记忆多机器人共享地点数据库→ 一个机器人探索，所有机器人识别

03工程挑战

为什么这很难

视觉地点识别需要：

01视角不变性：不同角度的同一地点必须匹配
02光照鲁棒性：昼夜、阴影、季节变化
03实时推理：嵌入式硬件上每帧 <50ms
04可扩展记忆：数千地点而不线性搜索爆炸
05时间衰减：旧地点淡出以避免过时匹配

LOCI 使用 DINOv2 实现鲁棒嵌入，近似最近邻实现快速搜索，可配置衰减支持长期运行。

04性能基准

真实硬件性能

使用 DINOv2 + VPR 管线测量：

真实硬件性能
指标	数值
Top-1 准确率	90.48%
推理延迟	每帧 <50ms
嵌入维度	768（DINOv2）
记忆槽	可配置（1K–100K）
搜索方法	近似 NN（FAISS/HNSW）

05构建状态

已构建的功能

已完成 4/6 个组件

已构建的功能
组件	状态	说明
DINOv2 骨干	已完成	预训练权重，768 维输出
地点指纹管线	已完成	帧 → 嵌入 → 搜索
记忆网格存储	已完成	基于槽，可配置容量
时间衰减	已完成	可配置旧地点淡出
REST API	进行中	/embed、/search、/add_place
舰队同步	计划中	机器人间共享记忆

06应用场景

LOCI 部署场景

APP_01
SLAM 闭环检测
纠正 LiDAR/视觉 SLAM 管线中的里程计漂移。检测重访地点，触发位姿图优化。
APP_02
自主导航
传感器丢失或绑架后重定位。快速恢复到已知地图。
APP_03
多机器人舰队
共享地点记忆 — 一个机器人探索，全部识别。协同建图与规划。
APP_04
仓储物流
识别通道、码头和地标。路径优化和任务分配。
APP_05
室内移动机器人
无 GPS — 视觉地点识别是主要定位线索。
APP_06
研究与基准测试
Nordland、RobotCar 和自定义数据集的 VPR 基线。

07技术

底层技术

基础：DINOV2 + VPR

DINOv2：自监督视觉 Transformer，768 维嵌入
地点识别：嵌入空间中的余弦相似度或 L2 距离
近似最近邻：FAISS 或 HNSW 实现可扩展搜索
时间衰减：可配置槽老化支持长期运行

API 端点

POST /embed: 编码图像 → 768 维指纹
POST /search: 查询指纹 → top-K 地点 ID + 分数
POST /add_place: 将指纹存入记忆网格

技术栈

PyTorch
DINOv2
FAISS / HNSW
FastAPI
Redis（可选缓存）

08论文

研究论文

[01]DINOv2：无监督学习鲁棒视觉特征 — Oquab 等，ICCV 2023

LOCI

流程

能力

SLAM 闭环检测

自主导航

多机器人舰队

仓储物流

室内移动机器人

研究与基准测试

基础：DINOV2 + VPR

API 端点

技术栈