用于降低分布到分布扫描匹配偏差的DNN滤波器
计算机视觉与模式识别
2022-11-22 v3
摘要
分布到分布(D2D)点云配准技术(如正态分布变换(NDT))能够对从非结构化场景中采样得到的点云进行对齐,并提供其自身解误差协方差的准确边界——这是生命攸关导航任务的一项重要特性。D2D方法依赖于静态场景的假设,因此当记录设备在帧间运动时,易受距离阴影、自遮挡、运动物体和畸变伪影带来的偏差影响。基于深度学习的方法通过放宽这些约束,能够在动态场景中取得更高精度,然而DNN产生不可解释的解,从安全性角度看可能存在问题。本文中,我们提出一种对LIDAR点云进行下采样以排除违背静态场景假设并为D2D扫描匹配过程引入误差的体素的方法。我们的方法使用一种解一致性滤波器——识别并抑制那些D2D贡献与基于PointNet的配准网络的局部估计不一致的体素。我们的结果表明,该技术在配准精度上带来显著收益,并且在包含浓密植被的场景中尤为有用。
引用
@article{arxiv.2211.04047,
title = {DNN Filter for Bias Reduction in Distribution-to-Distribution Scan Matching},
author = {Matthew McDermott and Jason Rife},
journal= {arXiv preprint arXiv:2211.04047},
year = {2022}
}