用照片和大型视觉模型构建室内地图原型
2025-07-07
作者在周末利用大型视觉模型（VLM）技术，仅凭一张商场照片，就成功构建了一个室内定位系统原型。该系统通过标注商场地图，识别照片中可见的商店，并结合VLM的图像识别能力，将照片中的位置与地图上的位置进行匹配，最终在照片中定位出作者所在的位置。尽管存在一定的误差，但结果令人惊讶，展现了VLM在室内定位领域的潜力。这项工作为未来的增强现实（AR）设备和机器人应用提供了新的可能性，同时也提醒我们注意技术带来的潜在环境问题。