广义LOAM：基于可训练局部几何特征的激光雷达里程估计
机器人学
2022-11-01 v1
摘要
本文提出一种称为广义LOAM的激光雷达里程估计框架。我们所提方法的广义性在于，与传统激光雷达里程与建图(LOAM)方法相比，它能够无缝融合点周围的各种局部几何形状以提高位姿估计精度。为利用连续几何特征进行激光雷达里程估计，我们将微型神经网络嵌入广义迭代最近点(GICP)算法中。这些神经网络利用局部几何特征改进了数据关联度量和匹配代价函数。在KITTI基准上的实验表明，与其他激光雷达里程估计方法相比，我们所提方法降低了相对轨迹误差。
引用
@article{arxiv.2210.16510,
title = {Generalized LOAM: LiDAR Odometry Estimation with Trainable Local Geometric Features},
author = {Kohei Honda and Kenji Koide and Masashi Yokozuka and Shuji Oishi and Atsuhiko Banno},
journal= {arXiv preprint arXiv:2210.16510},
year = {2022}
}
备注
8 pages, 7 figures