Fusion of Visual Place Recognition and SLAM Using a Histogram Filter for Robust Visual Localization

Bojchevski, Andrej (author), Skočaj, Danijel (mentor), Dobrevski, Matej (comentor)

This thesis introduces a new approach to drone localization in GNSS-denied environments, improving an existing Visual Place Recognition (VPR)-based localization system by incorporating data about the relative motion of the drone. The relative motion data acquired from visual SLAM or odometry present the relative displacement of the drone between frames without a global reference, while the VPR systems provide globally consistent but often ambiguous and noisy location estimates. We propose a method that fuses the global location likelihoods with motion information within the Bayesian histogram filtering framework. The method is evaluated on the UAV-VisLoc dataset, which includes diverse environments and enables consistent comparison with the baseline VPR method. The results show that the proposed fusion method provides stable performance and improves localization accuracy in nearly all evaluated scenarios. This highlights the effectiveness of integrating motion data to enhance the VPR-based localization system’s accuracy, encouraging further research on similar methods.

• Language: English
• Keywords: visual place recognition, localization, visual SLAM, AnyLoc, Bayesian filtering, Histogram filtering
• Work type: Bachelor thesis/paper
• Typology: 2.11 - Undergraduate Thesis
• Organization: FRI - Faculty of Computer and Information Science
• Year: 2026
• PID: 20.500.12556/RUL-180747
• COBISS.SI-ID: 275532291
• Publication date in RUL: 16.03.2026

Secondary language

• Language: Slovenian
• Title: Združevanje vizualnega prepoznavanja lokacij in metode SLAM s histogramskim filtrom za robustno vizualno lokalizacijo

Abstract

V diplomski nalogi predstavljamo nov pristop za lokalizacijo letalnika v okoljih brez razpoložljivega signal GNSS, ki nadgrajuje obstoječe sisteme lokalizacije na osnovi vizualnega prepoznavanja lokacij (VPR) z vključevanjem podatkov o relativnem gibanju letalnika. Podatki o relativnem gibanju, pridobljeni z vizualnim SLAM-om ali odometrijo, opisujejo relativni premik letalnika med zaporednimi slikami brez globalne reference, medtem ko sistemi VPR zagotavljajo globalno skladne, vendar pogosto dvoumne in šumne ocene lokacije. V diplomskem delu metodo, ki znotraj Bayesovega histogramskega filtra združuje globalne verjetnostne porazdelitve možnih lokacij, pridobljene z metodo VPR, z informacijami o gibanju. Metoda je ovrednotena na podatkovni množici UAV-VisLoc, ki vključuje raznolika okolja in omogoča dosledno primerjavo z izhodiščno metodo VPR. Rezultati kažejo, da predlagana metoda združevanja zagotavlja stabilno delovanje in izboljša natančnost lokalizacije v skoraj vseh obravnavanih scenarijih. To potrjuje učinkovitost vključevanja informacij o gibanju za izboljšanje natančnosti lokalizacije na osnovi vizualnega prepoznavanja lokacij ter spodbuja nadaljnje raziskave podobnih pristopov.

• Keywords: vizualno prepoznavanje lokacij, lokalizacija, vizualni SLAM, AnyLoc, Bayesovo filtriranje, histogramsko filtriranje