通过共享 2D-3D 嵌入空间在 LiDAR 地图中实现全局视觉定位
计算机视觉与模式识别
2020-03-11 v2 机器学习
机器人学
图像与视频处理
摘要
全局定位是许多机器人应用中一个重要且被广泛研究的问题。位置识别方法可被用于解决该任务，例如在自动驾驶领域。尽管大多数基于视觉的方法是将图像相对于图像数据库进行匹配，但在 LiDAR 地图内的全局视觉定位仍鲜有探索，尽管通向主要由 LiDAR 生成的高清 3D 地图的路径已很明确。在本工作中，我们利用深度神经网络（DNN）方法在图像与 LiDAR 地图之间创建共享嵌入空间，从而实现图像到 3D-LiDAR 的位置识别。我们训练了一个 2D 和一个 3D DNN，分别由图像和点云生成嵌入，当它们指向同一地点时彼此接近。我们展示了广泛的实验活动，以评估该方法相对于不同学习范式、网络架构和损失函数的有效性。所有评估均使用涵盖广泛天气和光照条件的 Oxford Robotcar Dataset 进行。
引用
@article{arxiv.1910.04871,
title = {Global visual localization in LiDAR-maps through shared 2D-3D embedding space},
author = {Daniele Cattaneo and Matteo Vaghi and Simone Fontana and Augusto Luis Ballardini and Domenico Giorgio Sorrenti},
journal= {arXiv preprint arXiv:1910.04871},
year = {2020}
}
备注
Accepted for presentation at IEEE ICRA 2020