面向精准学习的全球地理对齐评估：基于航空数据的自动驾驶车辆定位

最近，越来越多的人关注利用航空和卫星地图数据为自动驾驶车辆提供支持，主要是由于其显著的成本降低潜力和扩大规模优势。尽管具有这些优势，航空数据也带来了挑战，如传感器模态差距和视角差距。学习型定位方法已显示出克服这些挑战并为自动驾驶车辆提供精确度量定位的前景。大多数学习型定位方法依赖粗糙对齐的地面真值，或依赖隐式一致性方法来学习定位任务——然而本文指出，在训练时提高航空数据与自动驾驶车辆传感器数据之间的对齐精度，对学习型定位系统的性能至关重要。我们使用因子图框架比较两种数据对齐方法，并通过消化实验评估紧密对齐地面真值对学习型定位精度的影响。最后，我们在一个综合性的1600公里自动驾驶车辆数据集上评估了采用这些数据对齐方法的学习型定位系统，证明其定位误差小于0.3米和0.5度，足以满足自动驾驶车辆应用的需求。