LCDNet：面向 LiDAR SLAM 的深度回环检测与点云配准网络
机器人学
2022-02-09 v4 计算机视觉与模式识别
机器学习
摘要
回环检测是同步定位与建图（SLAM）系统的关键组成部分，可减小随时间累积的漂移。多年来，已有若干深度学习方法来解决该任务，但其性能相较于手工设计技术仍不理想，尤其在应对反向回环时。本文提出新颖的 LCDNet，通过同时识别曾到访过的地点并估计当前扫描与地图间的 6 自由度相对位姿，有效检测 LiDAR 点云中的回环。LCDNet 由共享编码器、提取全局描述子的地点识别头以及估计两点云间变换的相对位姿头组成。我们提出一种基于非平衡最优传输理论的新颖相对位姿头，并以可微分方式实现以允许端到端训练。在多个真实世界自动驾驶数据集上对 LCDNet 的广泛评估表明，我们的方法大幅优于最先进的回环检测与点云配准技术，尤其在应对反向回环时。此外，我们将提出的回环检测方法集成至一个 LiDAR SLAM 库中以提供完整的建图系统，并通过对未见城市中不同传感器设置的泛化能力进行了演示。
引用
@article{arxiv.2103.05056,
title = {LCDNet: Deep Loop Closure Detection and Point Cloud Registration for LiDAR SLAM},
author = {Daniele Cattaneo and Matteo Vaghi and Abhinav Valada},
journal= {arXiv preprint arXiv:2103.05056},
year = {2022}
}
备注
Accepted to IEEE Transactions on Robotics (T-RO), 2022