从正常天气推广无监督 LiDAR 里程计模型至雪天天气条件
机器人学
2025-09-03 v1
摘要
基于深度学习的 LiDAR 里程计是自动驾驶和机器人导航的关键，但在恶劣天气（尤其是雪雨）下的性能仍具有挑战性。现有模型因对雪flake 引起的噪声敏感，在不同条件下难以泛化，限制了实际应用。在本工作中，我们提出一种无监督 LiDAR 里程计模型，以弥合正常天气与雪天天气条件之间的差距。我们的方法侧重于有效去噪，以减轻雪flake 噪声和离群点对姿态估计的影响，同时保持计算效率以适用于实时应用。为实现此目标，我们引入了 Patch Spatial Measure (PSM) 模块，用于评估每个 patch 中点的离散程度，从而有效检测稀疏和离散噪声。我们进一步提出了 Patch Point Weight Predictor (PPWP) 以分配自适应点权重，增强其在局部区域中的判别能力。为支持实时性能，我们首先应用强度阈值掩码快速抑制 LiDAR 附近密集的雪flake 簇，然后进行多模态特征融合，以细化点权重预测，提高在恶劣天气下的整体鲁棒性。我们的模型在正常天气条件下训练，并在包括雪天和动态场景的各种情景中进行严格测试。大量实验结果确认了我们方法的有效性，证明其在正常和雪天天气条件下均表现出稳健的性能。
引用
@article{arxiv.2509.02011,
title = {Generalizing Unsupervised Lidar Odometry Model from Normal to Snowy Weather Conditions},
author = {Beibei Zhou and Zhiyuan Zhang and Zhenbo Song and Jianhui Guo and Hui Kong},
journal= {arXiv preprint arXiv:2509.02011},
year = {2025}
}