InstaLoc：基于实例学习的室内环境一次性全局激光雷达定位
机器人学
2023-07-06 v2
摘要
自主机器人在先验地图中的定位对其功能至关重要。本文针对室内环境提出一种称为 InstaLoc 的解决方案，该方案基于单帧激光雷达扫描在先验地图中定位。我们的灵感来源于人类如何通过识别独特物体与结构的布局来导航和定位自身。模仿人类方法，InstaLoc 识别场景中的物体实例并与先验地图中的实例进行匹配。据我们所知，这是首个直接在 3D 激光雷达扫描上使用全景分割推断进行室内定位的方法。InstaLoc 通过两个基于空间稀疏张量的网络直接推断稠密 3D 激光雷达点云。第一个网络是全景分割网络，产生物体实例及其语义类别。第二个较小的网络为每个物体实例生成描述子。随后基于一致性的匹配算法将实例匹配到先验地图，并估计输入点云在先验地图中的六自由度 (DoF) 位姿。InstaLoc 的意义在于其拥有两个高效网络：仅在移动 GPU 上需一至两小时训练，并以 1 Hz 实时运行。与基线方法相比，我们的方法在定位时检测量多出两到四倍，且在这些检测上达到更高精度。
引用
@article{arxiv.2305.09552,
title = {InstaLoc: One-shot Global Lidar Localisation in Indoor Environments through Instance Learning},
author = {Lintong Zhang and Tejaswi Digumarti and Georgi Tinchev and Maurice Fallon},
journal= {arXiv preprint arXiv:2305.09552},
year = {2023}
}