OPAL：基于自适应径向融合的可见性感知的 LiDAR 到 OpenStreetMap 地点识别
计算机视觉与模式识别
2025-08-28 v3 机器人学
摘要
LiDAR 地点识别是自动导航和跨模态定位在大规模户外环境中的关键能力。现有方法主要依赖预构建的稠密 3D 地图或航空图像，这带来显著存储开销且缺乏实时适应性。本文提出 OPAL—a 一种新型 LiDAR 地点识别框架，利用 OpenStreetMap（OSM）作为轻量且实时的先验。我们的关键创新在于通过两个精心设计的组件桥接稀疏 LiDAR 扫描与结构化 OSM 数据之间的领域差异。首先，一个跨模态可见性掩码识别两模态可观测区域以指导特征对齐。其次，一个自适应径向融合模块动态整合径向特征以生成判别性全局描述子。大量实验在 KITTI 和 KITTI-360 数据集上表明，OPAL 的优势显著，顶部 1 匹配在 1m 阈值下召回率提高 15.98%，同时实现了比现有前沿方法 12 倍的推理速度。代码和数据已公开：https://github.com/kang-1-2-3/OPAL。
引用
@article{arxiv.2504.19258,
title = {OPAL: Visibility-aware LiDAR-to-OpenStreetMap Place Recognition via Adaptive Radial Fusion},
author = {Shuhao Kang and Martin Y. Liao and Yan Xia and Olaf Wysocki and Boris Jutzi and Daniel Cremers},
journal= {arXiv preprint arXiv:2504.19258},
year = {2025}
}
备注
Accepted by CoRL 2025