360度图像与点云间注意力增强的跨模态定位

视觉定位对于智能机器人和自动驾驶至关重要，尤其在GNSS精度不可靠时。近年来，激光雷达地图中的相机定位因其低成本以及对光照和天气变化的潜在鲁棒性而受到越来越多的关注。然而，常用的针孔相机视场角狭窄，因此与全向激光雷达数据相比信息有限。为克服该局限，我们致力于将360度等距柱状图像的信息与点云相关联，提出一种端到端可学习网络，通过在高维特征空间中建立相似性来进行跨模态视觉定位。受注意力机制启发，我们优化网络以捕获用于比较图像和点云的显著特征。我们基于KITTI-360数据集构建了若干包含360度等距柱状图像及对应点云的序列并进行了大量实验。结果证明了我们方法的有效性。