DMLO：基于深度匹配的激光雷达里程计
计算机视觉与模式识别
2020-04-10 v2 机器人学
摘要
激光雷达里程计是机器人、自动驾驶等多个领域的一项基础任务。该问题十分困难，因为它要求系统在高噪声的真实世界数据中高度鲁棒地运行。现有方法多为局部迭代方法。基于特征的全局配准方法不受青睐，因为在非均匀且稀疏的激光雷达数据中提取准确的匹配点对仍然具有挑战性。本文中，我们提出 Deep Matching LiDAR Odometry (DMLO，基于深度匹配的激光雷达里程计)，一种新颖的基于学习的框架，使特征匹配方法适用于激光雷达里程计任务。与许多近期基于学习的方法不同，DMLO 在框架中显式地施加几何约束。具体而言，DMLO 将 6-DoF 位姿估计分解为两部分：一个基于学习的匹配网络，提供两次扫描间准确的对应关系；以及通过奇异值分解 (SVD) 以闭式解估计刚体变换。在真实世界数据集 KITTI 和 Argoverse 上的综合实验结果表明，我们的 DMLO 大幅优于现有的基于学习的方法，并与最先进的基于几何的方法相当。
引用
@article{arxiv.2004.03796,
title = {DMLO: Deep Matching LiDAR Odometry},
author = {Zhichao Li and Naiyan Wang},
journal= {arXiv preprint arXiv:2004.03796},
year = {2020}
}