基于 Velodyne LiDAR 与 IMU 辅助里程估计的卷积神经网络
机器人学
2017-12-19 v1
摘要
我们提出一种利用卷积神经网络从 3D LiDAR 扫描进行里程估计的新方法。原始稀疏数据被编码为 2D 矩阵，用于所提网络的训练与预测。与 SOTA 方法 LOAM 相比，我们的网络在平移运动参数估计上展现出显著更高的精度，同时实现实时性能。结合 IMU 支持，实现了高质量里程估计与 LiDAR 数据配准。此外，我们提出替代性 CNN，训练用于旋转运动参数预测，其结果同样可与 SOTA 媲美。当 GNSS 信号缺失（例如室内建图时），所提方法可替代轮式编码器进行里程估计或补充缺失 GPS 数据。我们的方案带来实时性能与精度，有助于在线预览建图结果并实时验证地图完整性。
引用
@article{arxiv.1712.06352,
title = {CNN for IMU Assisted Odometry Estimation using Velodyne LiDAR},
author = {Martin Velas and Michal Spanel and Michal Hradis and Adam Herout},
journal= {arXiv preprint arXiv:1712.06352},
year = {2017}
}