DRIP：用于3D LiDAR定位的判别性旋转不变杆状地标描述符

在基于3D LiDAR的机器人自定位中，杆状地标作为轻量级且具有判别性的地标越来越受欢迎。本文介绍了一种名为“判别性旋转不变杆状地标”的新方法，该方法在保持杆状地标轻量级特性的同时增强了其可判别性。与将杆状地标建模为垂直于地面的3D线段的传统方法不同，我们提出了一种简单而强大的方法，该方法不仅包括线段的主体，还包括其周围的局部感兴趣区域（ROI）作为杆状地标的一部分。具体来说，我们描述了该ROI内的外观、几何和语义特征，以提高杆状地标的可判别性。由于这种杆状地标不再是旋转不变的，我们引入了一种新颖的旋转不变卷积神经网络，该网络能够自动且高效地从输入点云中提取旋转不变特征用于识别。此外，我们通过无监督学习训练一个杆状字典，并使用它将杆状地标压缩为紧凑的杆状词，从而在保持最优自定位性能的同时显著降低实时成本。使用公开可用的NCLT数据集进行的蒙特卡洛定位实验表明，所提出的方法改进了最先进的基于杆状地标的定位框架。