LightLoc：光速下的户外 LiDAR 定位学习
计算机视觉与模式识别
2025-03-25 v1
摘要
场景坐标回归在户外 LiDAR 定位中取得了令人印象深刻的结果，但需要数天的训练。由于训练需针对每个新场景重复进行，长时间的训练使得这些方法在自主驾驶、无人机和机器人等时间敏感的应用中难以实用。我们识别出大规模户外场景中广阔的覆盖区域和海量数据是制约快速训练的关键挑战。本文提出了 LightLoc，首个能够以光速高效学习新场景定位的方法。LightLoc 引入两项新技术以解决上述挑战。首先，我们引入样本分类指导辅助回归学习，减少相似样本的歧义性，提高训练效率。其次，我们提出冗余样本降采样，在训练过程中移除已熟练学习的帧，缩短训练时间而不损害精度。此外，样本分类的快速训练和置信度估计能力使其能够集成到 SLAM 中，有效消除误差累积。大规模户外数据集上的广泛实验表明，LightLoc 以 50 倍的训练时间减少优异于现有方法的性能。我们的代码已公开 https://github.com/liw95/LightLoc。
引用
@article{arxiv.2503.17814,
title = {LightLoc: Learning Outdoor LiDAR Localization at Light Speed},
author = {Wen Li and Chen Liu and Shangshu Yu and Dunqiang Liu and Yin Zhou and Siqi Shen and Chenglu Wen and Cheng Wang},
journal= {arXiv preprint arXiv:2503.17814},
year = {2025}
}
备注
CVPR 2025