ORCHNet：一种用于果园中基于 3D LiDAR 的地点识别的鲁棒全局特征聚合方法

农业环境中鲁棒可靠的地点识别与回环检测仍是一个开放问题。尤其是果园，由于整个田块结构相似，是一个困难案例。本工作中，我们借助被视为鲁棒性关键模态的 3D LiDAR 数据来解决果园中的地点识别问题。为此，我们提出 ORCHNet，一种将 3D-LiDAR 扫描映射到全局描述子的基于深度学习的方法。具体而言，本工作提出一种新的全局特征聚合方法，将多种聚合方法融合为鲁棒全局描述子。ORCHNet 在果园中收集的真实世界数据上评估，包含夏季与秋季数据。为评估鲁棒性，我们将 ORCHNet 与最先进的聚合方法在同季节与跨季节数据上比较。此外，我们还将所提方法作为定位框架的一部分额外评估，其中 ORCHNet 用作回环检测器。实证结果表明，在地点识别任务上 ORCHNet 优于其余方法，且跨季节更鲁棒。至于定位，当路径穿过树木的边界情况在集成 ORCHNet 作为回环检测器时得以解决，显示了所提方法在该任务中的潜在适用性。代码将公开于：\url{https://github.com/Cybonic/ORCHNet.git}