DeepLO：几何感知的深度LiDAR里程计
机器人学
2019-02-28 v1 计算机视觉与模式识别
摘要
近来，基于自运动的估计方法引起了强烈关注，研究多集中于视觉感知。这些开创性工作关注于里程计估计的无监督学习，但大多针对视觉传感器。与图像相比，使用激光探测与测距（LiDAR）的基于学习的方法仅在少数研究中被报道，且多数提出了监督学习框架。本文提出一种新颖的几何感知深度LiDAR里程计方法，可通过监督与无监督框架进行训练。我们将迭代最近点（ICP）算法融入深度学习框架，并展示了所提流程的可靠性。我们提供了两种损失函数，可根据训练阶段中真值的有效性在监督与无监督学习之间切换。使用KITTI和Oxford RobotCar数据集的评估表明，所提方法在达到位姿精度时具有优异的性能与效率。
引用
@article{arxiv.1902.10562,
title = {DeepLO: Geometry-Aware Deep LiDAR Odometry},
author = {Younggun Cho and Giseop Kim and Ayoung Kim},
journal= {arXiv preprint arXiv:1902.10562},
year = {2019}
}
备注
8 pages