LocNet：面向移动车辆的3D点云全局定位
机器人学
2022-11-29 v2 机器学习
摘要
3D点云中的全局定位是一个在无任何先验知识下估计车辆位姿的挑战性问题。本文通过将地点识别与度量位姿估计在全局先验地图中实现，给出了该问题的一种解决方案。具体而言，我们提出一种使用孪生LocNet的半手工表示学习方法用于LiDAR点云，将地点识别问题表述为相似性建模问题。利用LocNet最终学到的表示，提出了一种仅基于距离观测的全局定位框架。为展示我们全局定位系统的性能与有效性，采用KITTI数据集与其他算法比较，并在我们长时间多时段数据集上评估。结果表明我们的系统可实现高精度。
引用
@article{arxiv.1712.02165,
title = {LocNet: Global localization in 3D point clouds for mobile vehicles},
author = {Huan Yin and Li Tang and Xiaqing Ding and Yue Wang and Rong Xiong},
journal= {arXiv preprint arXiv:1712.02165},
year = {2022}
}
备注
6 pages, IV 2018 accepted