LRFusionPR：基于极坐标鸟瞰图的LiDAR雷达融合网络用于地点识别

在自动驾驶中，地点识别对于GPS不可用的环境下的全局定位至关重要。LiDAR和雷达基于地点识别的方法受到了越来越多的关注，因为LiDAR提供精确的测距，而雷达在恶劣天气下具有优势。然而，有效地利用LiDAR雷达融合进行地点识别仍然具有挑战性。雷达数据的噪声和稀疏性限制了其进一步提升识别精度的潜力。此外，异构雷达配置也使开发统一的跨模态融合框架复杂化。在本文中，我们提出了LRFusionPR，通过融合LiDAR与单芯片或扫描雷达来提高识别精度和鲁棒性。技术上，提出了双分支网络，在统一的极坐标鸟瞰图（BEV）表示中融合不同模态。在融合分支中，利用跨注意力机制进行跨模态特征交互。来自融合分支的知识同时传递给 distillation 分支，该分支仅使用雷达作为输入以进一步提高鲁棒性。最终，来自两个分支的描述符被拼接，产生用于地点检索的多模态全局描述符。多个数据集上的广泛评估表明，LRFusionPR能够实现准确的地点识别，同时在各种天气条件下保持鲁棒性。我们的开源代码将发布于 https://github.com/QiZS-BIT/LRFusionPR。