DA4AD：基于端到端深度注意力机制的自动驾驶视觉定位
计算机视觉与模式识别
2020-07-14 v2 机器人学
摘要
我们提出了一种基于新颖深度注意力感知特征的视觉定位框架，用于自动驾驶，可实现厘米级定位精度。传统的视觉定位方法依赖于手工特征或道路上的手工物体。已知它们要么容易因剧烈外观或光照变化导致匹配不稳定，要么过于稀疏而在挑战性场景中无法提供持续稳健的定位结果。在本工作中，我们试图利用深度注意力机制，通过一种新颖的端到端深度神经网络，在场景中搜索适于长期匹配的显著、独特且稳定的特征。此外，我们证明所学习的特征描述子能够建立稳健匹配，从而以高精度成功估计最优相机位姿。我们使用新采集的、具备高质量真值轨迹和传感器间硬件同步的数据集，全面验证了方法的有效性。结果表明，在各种挑战性环境下，与基于LiDAR的定位方案相比，我们的方法取得了具有竞争力的定位精度，有望成为自动驾驶的一种低成本定位方案。
引用
@article{arxiv.2003.03026,
title = {DA4AD: End-to-End Deep Attention-based Visual Localization for Autonomous Driving},
author = {Yao Zhou and Guowei Wan and Shenhua Hou and Li Yu and Gang Wang and Xiaofei Rui and Shiyu Song},
journal= {arXiv preprint arXiv:2003.03026},
year = {2020}
}
备注
19 pages, 4 figures, Accepted by ECCV 2020