LO-Net：深度实时激光雷达里程计
计算机视觉与模式识别
2020-01-20 v2
摘要
我们提出了一种新颖的深度卷积网络流程 LO-Net，用于实时激光雷达里程计估计。与大多数现有的激光雷达里程计（LO）估计方法不同，后者经过单独设计的特征选择、特征匹配和位姿估计流程，LO-Net 可以以端到端的方式进行训练。借助一种新的掩码加权几何约束损失，LO-Net 能够有效学习用于 LO 估计的特征表示，并可以隐式地利用数据中的序列依赖关系和动态特性。我们还设计了一个扫描到地图模块，利用 LO-Net 中学习到的几何与语义信息来提高估计精度。在基准数据集上的实验表明，LO-Net 优于现有的基于学习的方法，并与最先进的基于几何的方法 LOAM 具有相近的精度。
引用
@article{arxiv.1904.08242,
title = {LO-Net: Deep Real-time Lidar Odometry},
author = {Qing Li and Shaoyang Chen and Cheng Wang and Xin Li and Chenglu Wen and Ming Cheng and Jonathan Li},
journal= {arXiv preprint arXiv:1904.08242},
year = {2020}
}