DeepRING：面向基于 LiDAR 的地点识别学习旋转平移不变表示
计算机视觉与模式识别
2022-10-21 v1 机器人学
摘要
基于 LiDAR 的地点识别在回环检测与重定位中广受欢迎。近年来，深度学习通过可学习特征提取为地点识别带来改进。然而，当机器人以较大视角差异重访先前地点时，这些方法性能退化。为应对该挑战，我们提出 DeepRING，从 LiDAR 扫描中学习旋转平移不变表示，使得机器人以不同视角访问同一地点时具有相似表示。DeepRING 有两个关键：特征从正弦图提取，且特征由幅度谱聚合。这两步使最终表示兼具判别性与旋转平移不变性。此外，我们将地点识别表述为以每个地点为一类的单样本学习问题，利用关系学习构建表示相似性。我们在公开数据集上进行了充分实验，验证了各提出组件的有效性，并表明 DeepRING 优于对比方法，尤其在数据集级泛化方面。
引用
@article{arxiv.2210.11029,
title = {DeepRING: Learning Roto-translation Invariant Representation for LiDAR based Place Recognition},
author = {Sha Lu and Xuecheng Xu and Li Tang and Rong Xiong and Yue Wang},
journal= {arXiv preprint arXiv:2210.11029},
year = {2022}
}
备注
7 pages, 5 figures