EDENet：基于探地雷达回波方向编码的位置识别网络
计算机视觉与模式识别
2025-03-03 v1 机器人学
摘要
基于探地雷达（GPR）的定位技术由于能够探测稳定的地下特征，在机器人领域获得了广泛认可，在相机和 LiDAR 等传统传感器难以发挥作用的环境中具有优势。然而，现有方法主要集中于小规模的位置识别（PR），未能解决大规模地图中 PR 所面临的挑战。这些挑战包括地下特征固有的稀疏性以及地下介电常数的变异性，使得鲁棒定位变得复杂。在本研究中，我们研究了 GPR 回波序列与地下场景之间的几何关系，利用方向特征的鲁棒性来指导网络设计。我们引入了可学习的 Gabor 滤波器以精确提取方向响应，并结合方向感知注意力机制以实现有效的几何编码。为了进一步提升性能，我们引入了平移不变单元和多尺度聚合策略，以更好地适应介电常数的变化。在公开数据集上的实验表明，我们提出的 EDENet 不仅在 PR 性能上超越了现有解决方案，还在模型大小和计算效率上具有优势。
引用
@article{arxiv.2502.20643,
title = {EDENet: Echo Direction Encoding Network for Place Recognition Based on Ground Penetrating Radar},
author = {Pengyu Zhang and Xieyuanli Chen and Yuwei Chen and Beizhen Bi and Zhuo Xu and Tian Jin and Xiaotao Huang and Liang Shen},
journal= {arXiv preprint arXiv:2502.20643},
year = {2025}
}