3.50 WebARNav：边缘辅助视觉定位的移动Web AR室内导航

豆包阅读

一、论文基础信息

• 发表信息 ：2025 年 9 月发表于IEEE Transactions on Mobile Computing（TMC，CCF-A 类期刊），卷 24 第 9 期
• 研究团队：北京邮电大学、赫尔辛基大学等，核心作者为黄雅坤、乔秀泉等
• 核心定位 ：全球首个无标记 Web 端 AR 室内导航系统，解决移动端网页环境下高精度、高频次室内定位与 AR 导航难题

二、研究背景与核心痛点

1. 室内定位传统方案缺陷
   • GPS 无法穿透建筑，WiFi / 红外 / 蓝牙等仅支持 2D 平面导航，无 3D AR 沉浸式体验
   • 传统 SLAM 方案依赖专用硬件、计算开销大，不适合轻量化 Web 端
2. Web AR 导航现存三大挑战
   • 资源受限的移动网页端，无法同时实现高频次 + 高精度定位（稳定 AR 渲染需≥24Hz，现有方案仅 0.4-3.5Hz）
   • 动态场景、光照变化、相似场景下，初始定位精度不足
   • 用户移动过程中，全局检索定位延迟高、误差累积严重
3. 现有 Web AR 框架短板
   • 基于标记的方案（AR.js）易遮挡、精度差；无标记方案（8th Wall）无法兼顾效率与精度
   • WebXR 仅支持渲染，无大规模地图管理与高频传感器融合能力

三、核心创新与技术设计

WebARNav 采用边缘辅助视觉定位（VaL）+ 网页端行人航位推算（PDR）松耦合融合架构，分离线预处理、在线定位导航两大流程，核心创新点如下：

（一）轻量级位置融合框架

1. 分工模式
   • 网页端纯运行PDR：基于 IMU 实现 **≥30Hz 高频定位 **，低计算开销，但存在累积漂移
   • 边缘端运行VaL：低频次、高精度视觉定位，修正 PDR 漂移
2. 自适应融合策略
   • 误差补偿：PDR 漂移超阈值时触发 VaL 修正，短时间 IMU 数据补偿网络延迟误差
   • 置信度加权融合：动态调整 PDR 与 VaL 权重，PDR 漂移越大权重越低，垂直维度仅采用 VaL 结果

（二）高精度初始定位（VaL 模块）

1. 注意力机制特征提取
   • 融合通道注意力 + 空间注意力（CBAM）优化 CNN 特征，提升动态行人、光照变化场景下的特征鲁棒性
2. 双流检索 + 共可视性重排序
   • 双流：SIFT 局部特征 + 注意力增强 CNN 全局特征分别检索，互补优势
   • 重排序：基于共可视关系过滤几何不一致候选图，消除相似场景误匹配，提升 6-DoF 位姿计算精度
3. 采用RANSAC PnP算法计算相机 6 自由度位姿

（三）拓扑地图驱动的行进定位

1. 拓扑地图构建
   • 基于行列式点过程（DPP） 生成，兼顾图像视觉相似性与空间多样性，动态更新节点
2. 行进定位优化
   • 无需全局检索，仅基于上一位置的拓扑邻域筛选候选图，大幅减少检索量、降低延迟
   • 多跳检索 + 自适应置信度加权，解决长走廊、重复纹理等模糊场景定位漂移

四、系统实现架构

1. 端边协同
   • 移动端 Web：HTML+JS 实现，Three.js 渲染 3D 导航路线，轻量 PDR 计算，跨浏览器 / 设备兼容
   • 边缘服务器：C++/Python 实现，负责路线规划、VaL 定位、拓扑地图管理，GPU 加速特征匹配
2. 通信机制
   • 采用HTTP 离散请求 - 响应模式 ，仅 PDR 漂移超标时触发 VaL 请求，极低网络开销
   • 无需实时传输点云，预构建地图存储在边缘端，降低移动端解压压力

五、实验评估与结果

实验采用四大室内数据集（百度商场、InLoc、虚拟画廊、自建办公场景），对比 PDR-only、Marker-based、Edge-SLAM 等 6 种基线方案，核心结果如下：

（一）定位性能

1. 频率与精度 ：定位频率 **≥30Hz（最高 60.3Hz），满足 AR 稳定渲染；单楼层轨迹误差较纯 PDR 降低 76%，跨楼层降低95%**
2. 行进定位优化 ：延迟降低15.2%-98.6%，定位精度提升 **≥4%**
3. 场景鲁棒性 ：动态商场、弱光博物馆、办公场景均实现亚米级定位（0.46-0.63m），优于所有基线

（二）运行效率

1. 初始化 ：仅1.4s，远快于 Edge-SLAM 等（150-220s）
2. 资源占用 ：CPU 负载3.0% 、内存45MB，远低于边缘 SLAM 方案（CPU≈95%，内存≈210MB）
3. 跨平台兼容：支持 iOS/Android 多机型、Chrome/Firefox/Safari 多浏览器，低端设备仍可稳定运行

（三）网络与边缘计算

1. 网络开销：单次 VaL 请求数据＜100KB，单会话总流量＜5MB，远优于 SLAM 方案（＞200MB），3G/4G/5G/WiFi 均适配
2. 边缘计算 ：GPU 推理时间18.2ms ，较 edgeSLAM 降低3.5 倍，内存与 GPU 负载更低

（四）参数与场景分析

1. 候选图数量N=5时，精度与效率最优
2. 静态场景精度（0.48m）优于动态场景（0.72m），正常光照优于弱光（0.48m vs 0.65m）
3. 融合效果优于 EKF、VINS-Mono，更适配 Web 端轻量化需求

六、案例研究与用户体验

1. 实际应用：落地办公场景导航、博物馆导览两大真实场景
2. 用户反馈 ：满意度略低于原生 AR 导航，但易用性、便捷性更优，用户使用意愿更高，无需安装 APP 即开即用

七、相关工作对比

1. AR 导航服务：依赖 ARCore/ARKit 原生框架，需安装、跨平台差
2. Web XR 框架：侧重渲染，无定位与大规模导航能力
3. 边缘 SLAM 方案：精度尚可，但初始化慢、资源占用高、定位频率低
4. 多传感器融合：多为设备端融合，Web 端跨网同步能力不足

八、结论与展望

（一）核心结论

WebARNav 实现移动端 Web 端无标记、高精度、高频次、低开销的 AR 室内导航，是首个兼顾跨平台、轻量化、鲁棒性的 Web AR 室内定位系统，完美适配资源受限的移动网页环境。

（二）未来展望

1. 优化弱光、动态极端场景的特征提取与定位精度
2. 探索点云选择性缓存策略，进一步降低网络依赖
3. 深度适配 WebXR 标准，提升跨平台一致性