稀疏点云与图像导向的稠密深度图深度-视觉里程计
计算机视觉与模式识别
2025-07-22 v1 机器学习
机器人学
摘要
里程计是自主系统中用于自定位与导航的关键任务。我们提出了一种新型的 LiDAR-视觉里程计框架，将 LiDAR 点云与图像集成，以实现准确稳健的姿态估计。我们的方法利用从点云和图像通过深度完成估计的稠密深度图，并 incorporates 多尺度特征提取网络带注意力机制，实现自适应深度感知表示。此外，我们利用稠密深度信息来细化流估计并缓解遮挡区域的误差。我们的层次姿态细化模块逐步优化运动估计，确保对动态环境和尺度歧义具有稳健预测。在 KITTI 里程计基准测试中进行了全面实验，表明我们的方法在准确性和鲁棒性方面与最先进的视觉和 LiDAR 里程计方法相似或更优。
关键词
引用
@article{arxiv.2507.15496,
title = {Dense-depth map guided deep Lidar-Visual Odometry with Sparse Point Clouds and Images},
author = {JunYing Huang and Ao Xu and DongSun Yong and KeRen Li and YuanFeng Wang and Qi Qin},
journal= {arXiv preprint arXiv:2507.15496},
year = {2025}
}