DVLO4D：基于稀疏时空融合的深视觉-LiDAR 激光定位
计算机视觉与模式识别
2025-09-09 v1
摘要
视觉-LiDAR 激光定位是自主系统定位的关键组件，但实现高精度和强鲁棒性仍具有挑战。传统方法常常在传感器对齐方面吃力，未能充分利用时序信息，且需要 extensive manual tuning 来处理多样化的传感器配置。为此，我们提出 DVLO4D，一种利用稀疏时空融合来提升精度和鲁棒性的视觉-LiDAR 激光定位框架。我们的方法提出了三个关键创新点：(1) 稀疏查询融合（Sparse Query Fusion），利用稀疏 LiDAR 查询实现有效的多模态数据融合；(2) 时序交互与更新模块（Temporal Interaction and Update module），将时序预测位置与当前帧数据集成，为姿态估计提供更好的初始化值，并增强模型对累积误差的鲁棒性；(3) 时序剪辑训练策略（Temporal Clip Training strategy）结合整体平均损失机制（Collective Average Loss mechanism），跨多个帧聚合损失，实现全局优化，减少长序列中的尺度漂移。在 KITTI 和 Argoverse 激光定位数据集上的大量实验表明，我们提出的 DVLO4D 在姿态精度和鲁棒性方面实现了最佳性能。此外，我们的方法计算效率高，推理时间为 82 毫秒，具备实时部署的潜力。
关键词
引用
@article{arxiv.2509.06023,
title = {DVLO4D: Deep Visual-Lidar Odometry with Sparse Spatial-temporal Fusion},
author = {Mengmeng Liu and Michael Ying Yang and Jiuming Liu and Yunpeng Zhang and Jiangtao Li and Sander Oude Elberink and George Vosselman and Hao Cheng},
journal= {arXiv preprint arXiv:2509.06023},
year = {2025}
}
备注
Accepted by ICRA 2025