PNE-SGAN：基于概率 NDT 增强的语义图注意网络用于激光雷达环路闭合检测
计算机视觉与模式识别
2025-05-08 v2 机器人学
摘要
激光雷达环路闭合检测 (LCD) 对持续的定位与地图构建 (SLAM) 至关重要，但面临鲁棒性和准确性挑战。现有方法，包括语义图方法，常因几何表示粗糙且缺乏对噪声、动态和视点变化的时序鲁棒性而受限。我们引入 PNE-SGAN，一种概率 NDT 增强语义图注意网络，以克服这些限制。PNE-SGAN 通过使用正态分布变换 (NDT) 协方差矩阵作为丰富且具辨识度的几何节点特征，通过图注意力网络 (GAT) 处理。关键在于将图相似度得分整合到概率时序过滤框架中（建模为 HMM/贝叶斯滤�器），纳入不确定的里程计用于运动建模，并利用前向-后向平滑来有效处理歧义。在挑战性的 KITTI 数据集序列 00 和 08 上的评估显示，达到最先进的性能，分别实现 96.2% 和 95.1% 的平均精度。PNE-SGAN 在特别困难的双向环路场景中显著优于现有方法。通过将详细的 NDT 几何与原则性概率时序推理相结合，PNE-SGAN 为激光雷达 LCD 提供了高度准确和稳健的解决方案，增强了在复杂大规模环境中的 SLAM 可靠性。
关键词
引用
@article{arxiv.2504.08280,
title = {PNE-SGAN: Probabilistic NDT-Enhanced Semantic Graph Attention Network for LiDAR Loop Closure Detection},
author = {Xiong Li and Shulei Liu and Xingning Chen and Yisong Wu and Dong Zhu},
journal= {arXiv preprint arXiv:2504.08280},
year = {2025}
}
备注
We discovered a critical implementation bug in Section 4 (probabilistic NDT-based semantic graph attention module) that invalidates the results shown in Figures 3-4