黑盒 LiDAR 里程计的自适应超参数调优
机器人学
2021-07-12 v2
摘要
本研究提出一种面向黑盒三维 LiDAR 里程计算法的自适应数据驱动超参数调优框架。该框架由离线参数-误差函数建模与在线自适应参数选择组成。在离线步骤中，我们以不同参数与环境运行待调优的里程计估计算法，并评估估计轨迹的精度，从而构建预测给定参数与环境下载轨迹估计误差的代理函数。随后，基于代理函数的轨迹误差预测，我们在给定环境中选取预期精度良好的参数集。所提框架无需被调优算法内部运作的详细信息，并通过自适应优化参数集提升其精度。我们首先以基于仿真的示例演示该框架在不同环境下提升里程计估计精度的作用。进一步，在公开数据集 KITTI 上的评估表明，该框架能在实际情况中提升若干里程计估计算法的精度。
引用
@article{arxiv.2107.00275,
title = {Adaptive Hyperparameter Tuning for Black-box LiDAR Odometry},
author = {Kenji Koide and Masashi Yokozuka and Shuji Oishi and Atsuhiko Banno},
journal= {arXiv preprint arXiv:2107.00275},
year = {2021}
}
备注
IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS2021), Video: https://youtu.be/ebSiv3ec2Ug