BEV-SLD：基于LiDAR鸟瞼视图图像的自监督场景地标检测用于全局定位
计算机视觉与模式识别
2026-03-19 v1 机器人学
摘要
我们提出BEV-SLD，一种基于场景地标检测（SLD）概念的LiDAR全局定位方法。不同于面向所有场景的无关管线，本方法的自监督方法利用鸟瞼视图（BEV）图像在规定空间密度处发现场景特定模式并将其作为地标。一致性损失将可学习的全局地标坐标与每帧热图对齐，从而实现跨场景的一致地标检测。在校园、工业和森林环境中，BEV-SLD提供了稳健的定位性能并相较于最新方法实现了卓越的性能。
引用
@article{arxiv.2603.17159,
title = {BEV-SLD: Self-Supervised Scene Landmark Detection for Global Localization with LiDAR Bird's-Eye View Images},
author = {David Skuddis and Vincent Ress and Wei Zhang and Vincent Ofosu Nyako and Norbert Haala},
journal= {arXiv preprint arXiv:2603.17159},
year = {2026}
}
备注
Accepted to CVPR 2026