PointNetPGAP-SLC: 一种基于3D激光雷达的园艺移动机器人场所识别方法，采用段级一致性训练
机器人学
2024-10-10 v4
摘要
基于3D激光雷达的场所识别在园艺环境中仍未得到充分探索，由于激光束的半穿透特性，这些环境带来了独特的挑战。这种特性常常导致相邻行产生高度相似的激光雷达扫描，从而引起描述符歧义，进而降低检索性能。本文针对园艺环境中3D激光雷达场所识别的挑战，特别是行间歧义问题，提出了三项关键贡献：(i) 一种新颖模型PointNetPGAP，它将两个基于统计的聚合器的输出组合成一个描述符；(ii) 一种段级一致性(SLC)模型，仅在训练期间使用以增强描述符鲁棒性；(iii) HORTO-3DLM数据集，包含来自果园和草莓田的激光雷达序列。在HORTO-3DLM和KITTI Odometry数据集上的实验评估表明，PointNetPGAP优于最先进的模型，包括OverlapTransformer和PointNetVLAD，特别是在应用SLC模型时。这些结果突显了该模型的优越性，尤其是在园艺环境中，通过显著提高高歧义段的检索性能。
引用
@article{arxiv.2405.19038,
title = {PointNetPGAP-SLC: A 3D LiDAR-based Place Recognition Approach with Segment-level Consistency Training for Mobile Robots in Horticulture},
author = {T. Barros and L. Garrote and P. Conde and M. J. Coombes and C. Liu and C. Premebida and U. J. Nunes},
journal= {arXiv preprint arXiv:2405.19038},
year = {2024}
}
备注
This preprint has been accepted for publication in IEEE Robotics and Automation Letters, 2024