LodoNet: 基于二维关键点匹配的三维激光雷达里程计估计深度神经网络
计算机视觉与模式识别
2020-09-02 v1
摘要
基于深度学习的激光雷达里程计(LO)估计在自动驾驶与机器人领域引起日益增长的研究兴趣。现有工作将连续激光雷达帧作为点云输入神经网络,并在所学特征空间中匹配帧对。相反,受基于图像的特征提取器成功的启发,我们提出将激光雷达帧转换至图像空间并将问题重构为图像特征提取。借助尺度不变特征变换(SIFT)进行特征提取,我们能够生成可精确反投影至三维空间的匹配关键点对(MKPs)。设计了一种由所提取MKPs进行激光雷达里程计估计的卷积神经网络流程。所提方案即LodoNet,随后在KITTI里程计估计基准上评估,取得了与最先进方法相当甚至更优的结果。
引用
@article{arxiv.2009.00164,
title = {LodoNet: A Deep Neural Network with 2D Keypoint Matchingfor 3D LiDAR Odometry Estimation},
author = {Ce Zheng and Yecheng Lyu and Ming Li and Ziming Zhang},
journal= {arXiv preprint arXiv:2009.00164},
year = {2020}
}
备注
In 28th ACM International Conference on Multimedia, 9 pages