自然环境中深度鲁棒的多机器人重定位

重定位的成功对于机器人在先验地图内或真实场景中以彼此相对的方式实际部署具有关键意义。使用单模态时，地点识别和定位在森林等挑战性环境中会受到影响。为此，我们提出一种利用激光雷达-图像跨模态防止基于激光雷达的重定位失败的策略。我们的解决方案依赖于自监督的 2D-3D 特征匹配来预测对齐与未对齐。利用用于激光雷达特征提取和点云间相对位姿估计的深度网络，我们训练一个模型来评估估计的变换。通过分析嵌入空间中图像-激光雷达相似性以及欧几里得空间中两种模态均可见区域内的几何约束，学习一个预测未对齐是否存在的模型。使用真实数据集（离线和在线模式）的实验结果证明了所提出流水线在非结构化自然环境中鲁棒重定位的有效性。