基于注意力机制的高清特征图车辆自定位
计算机视觉与模式识别
2021-07-19 v1 机器人学
摘要
我们提出一种使用基于点的深度神经网络的车辆自定位方法。我们的方法处理来自高清晰度数字地图的测量值与点特征(即地标),以推断车辆位姿。为学习点集之间的最佳关联并融入局部信息,我们提出一种将测量值匹配至对应地标的注意力机制。最后,我们利用该表示进行点云配准及后续的位姿回归任务。此外,我们引入一个训练仿真框架,人工生成测量值与地标,以简化部署流程并降低从真实世界数据创建大规模数据集的成本。我们在自有数据集及改编版的Kitti里程计数据集上评估了该方法,相较相关方法取得了更优性能;并额外展示了突出的泛化能力。
引用
@article{arxiv.2107.07787,
title = {Attention-based Vehicle Self-Localization with HD Feature Maps},
author = {Nico Engel and Vasileios Belagiannis and Klaus Dietmayer},
journal= {arXiv preprint arXiv:2107.07787},
year = {2021}
}
备注
Accepted for publication at 24th IEEE International Conference on Intelligent Transportation Systems (ITSC 2021)