基于轻量三层场景图的单点激光雷达全局定位高斯语义场
机器人学
2025-10-15 v1 计算机视觉与模式识别
摘要
我们提出了一种基于轻量三层场景图实现语义消歧化的单点激光雷达全局定位算法。虽然基于 landmarks 语义配准的方法在全局定位方面相较于仅几何的方法展现出良好的性能，但由于 landmarks 可重复且可能导致配对建立出现误导。我们通过对从多个高斯过程 populations 中学习到的语义分布建模为连续函数来缓解此问题。与离散语义标签相比，这些连续函数捕获更细粒度的地理-语义信息，同时为配对建立提供更详细的度量信息。我们将这些连续函数作为对象层与度量-语义层之间的中间层，构成三层 3D 场景图，作为一种轻量且高性能的单点定位后端。我们称我们的全局定位管道为 Outram-GSF（高斯语义场），并在公开数据集上进行了广泛实验，验证了其优于当前最先进方法的优势。
引用
@article{arxiv.2510.12101,
title = {Gaussian Semantic Field for One-shot LiDAR Global Localization},
author = {Pengyu Yin and Shenghai Yuan and Haozhi Cao and Xingyu Ji and Ruofei Bai and Siyu Chen and Lihua Xie},
journal= {arXiv preprint arXiv:2510.12101},
year = {2025}
}