超越车辆：融合点云实现GPS受限城市场景下的协同定位
机器人学
2026-02-05 v1 计算机视觉与模式识别
摘要
准确的车辆定位是GPS信号在城市环境中常不可靠的关键挑战。本文提出一种基于融合车辆间( V2V)和车辆间基础设施( V2I)数据的协同多传感器和多模态定位方法，以解决此问题。我们的方法将协同数据与基于点云配准的同时定位与地图构建(SLAM)算法集成。系统处理来自多种传感器模态生成的点云，包括车载LiDAR和立体相机，以及在交叉口部署的传感器。通过利用基础设施共享数据，我们的方法在复杂的GPS噪声城市场景中显著提高了定位精度和鲁棒性。
引用
@article{arxiv.2602.03908,
title = {Beyond the Vehicle: Cooperative Localization by Fusing Point Clouds for GPS-Challenged Urban Scenarios},
author = {Kuo-Yi Chao and Ralph Rasshofer and Alois Christian Knoll},
journal= {arXiv preprint arXiv:2602.03908},
year = {2026}
}
备注
8 pages, 2 figures, Driving the Future Symposium 2025