基于 Diffusion 的鲁棒 LiDAR 位置识别
机器人学
2025-04-18 v1 机器学习
摘要
建筑工地上的移动机器人需要准确的位姿估计以执行自主测量和检查任务。由于存在诸如平坦粉刷墙等重复特征,以及楼层间和楼层内布局相似的公寓所导致的感知混淆,建筑工地中的定位是一个特别具有挑战性的问题。在本文中,我们专注于仅使用 LiDAR 数据,相对于建筑物的精确扫描网格对机器人进行全局重新定位。在我们的方法中,神经网络是在通过在精确的真实世界大规模网格中模拟 LiDAR 生成的合成 LiDAR 点云上进行训练的。我们训练了一个带有 PointNet++ 骨干的 diffusion 模型,这使我们能够从单个 LiDAR 点云中建模多个位置候选。由此产生的模型能够成功预测 LiDAR 在受限和复杂场地中的全局位置,尽管存在感知混淆的不利影响。学习到的潜在全局位置分布可以提供多模态的位置分布。我们在五个真实世界数据集上评估了我们的方法,并显示出平均 77% +/-2m 的位置识别准确率,同时在平均误差上以 2 倍的优势优于基线方法。
引用
@article{arxiv.2504.12412,
title = {Diffusion Based Robust LiDAR Place Recognition},
author = {Benjamin Krummenacher and Jonas Frey and Turcan Tuna and Olga Vysotska and Marco Hutter},
journal= {arXiv preprint arXiv:2504.12412},
year = {2025}
}
备注
accepted for ICRA 2025