FusionLoc：基于多头自注意力相机-2D LiDAR 融合的端到端服务机器人重定位
机器人学
2023-07-26 v4 计算机视觉与模式识别
摘要
随着自主移动机器人技术的进步，移动服务机器人已越来越广泛地用于各种用途。尤其自 COVID-19 疫情以来，服务机器人已不再是新奇产品。操作服务机器人的一个实际问题是，它经常无法估计自身在所处移动地图中的位姿。一旦发生此类故障，服务人员需将服务机器人移至初始位置并手动重启。本文关注服务机器人的端到端重定位以解决问题，即仅利用板载传感器数据通过神经网络直接预测机器人位姿。具体而言，我们提出一种基于相机-2D LiDAR 传感器融合的重定位深度神经网络架构，称为 FusionLoc。在该方法中，多头自注意力互补两种传感器捕获的不同类型信息以回归机器人位姿。我们在商业服务机器人采集的数据集上的实验表明，FusionLoc 相比仅以单张图像或 2D LiDAR 点云为输入的先前端到端重定位方法以及拼接特征的直白融合方法均具有更优性能。
引用
@article{arxiv.2303.06872,
title = {FusionLoc: Camera-2D LiDAR Fusion Using Multi-Head Self-Attention for End-to-End Serving Robot Relocalization},
author = {Jieun Lee and Hakjun Lee and Jiyong Oh},
journal= {arXiv preprint arXiv:2303.06872},
year = {2023}
}
备注
13 pages, 9 figures