GPR-OdomNet：基于差异与相似性驱动的地面穿雷达定位网络
计算机视觉与模式识别
2025-11-24 v1
摘要
在使用地面穿雷达（GPR）进行机器人/车辆定位时，现有技术常在处理带有细微差异的 B 扫描图像时难以准确估计距离。本研究引入一种新型基于神经网络的里程计方法，利用 GPR B 扫描图像的相似性和差异特征实现对连续 B 扫描图像之间欧几里得距离的精确估计。该新型定制神经网络从连续时刻拍摄的 B 扫描图像中提取多尺度特征，然后通过分析这些特征之间的相似性和差异来确定所 traveled 的欧几里得距离。为评估本方法，进行了消融研究和比较实验，使用公开的 CMU-GPR 数据集。实验结果表明，我们的方法在所有测试中均优于最先进的方法。具体而言，我们的方法实现了均方根误差（RMSE），并在所有数据集上实现了加权 RMSE 为 0.449 m，这较最佳最先进方法降低了 10.2% 的 RMSE。
引用
@article{arxiv.2511.17457,
title = {GPR-OdomNet: Difference and Similarity-Driven Odometry Estimation Network for Ground Penetrating Radar-Based Localization},
author = {Huaichao Wang and Xuanxin Fan and Ji Liu and Haifeng Li and Dezhen Song},
journal= {arXiv preprint arXiv:2511.17457},
year = {2025}
}