用于实时里程估计的 LSTM 网络
机器人学
2019-02-25 v1
摘要
使用 2D 激光扫描仪对自动驾驶行业颇具吸引力，因其精确、轻量且低成本。然而，由于每次扫描仅检测到周围环境的一个 2D 切片，执行车辆定位等重要任务颇具挑战。本文提出一种新颖框架，探索使用深度循环卷积神经网络（RCNN）仅基于 2D 激光扫描仪进行里程估计。RCNN 的应用不仅提供了利用卷积神经网络（CNN）提取激光扫描仪数据特征的工具，还利用长短期记忆（LSTM）循环神经网络对连续扫描间的可能关联进行建模。在真实道路数据集上的结果表明，该方法可在无 GPU 加速下实时运行，且相较其他方法具有竞争性性能，是一种可补充传统定位系统的有趣途径。
引用
@article{arxiv.1902.08536,
title = {An LSTM Network for Real-Time Odometry Estimation},
author = {Michelle Valente and Cyril Joly and Arnaud de La Fortelle},
journal= {arXiv preprint arXiv:1902.08536},
year = {2019}
}