PSF-LO：基于参数化语义特征的激光雷达里程计
计算机视觉与模式识别
2021-03-26 v3
摘要
激光雷达里程计（LO）是自动驾驶中众多可靠且精确的定位与建图系统的关键技术。当前最先进的LO方法通常利用几何信息来执行点云配准。此外，获取能够更丰富地描述环境的点云语义信息将有助于配准。我们提出了一种基于自设计的参数化语义特征（PSF）的新型语义激光雷达里程计方法，以实现自动驾驶车辆实时的低漂移自运动估计。我们首先使用基于卷积神经网络的算法从输入的激光点云中获取逐点语义，然后利用语义标签分离道路、建筑、交通标志和杆状点云并分别进行拟合，以获得相应的PSF。基于PSF的快速匹配使我们能够细化几何特征（GeF）配准，减少模糊子图表面对GeF匹配精度的影响。此外，我们设计了一种高效的方法，在保留静态物体的同时准确识别并移除语义点云中的动态物体，这有助于进一步提高LO的精度。我们在公开数据集KITTI Odometry Benchmark上评估了我们的方法（即PSF-LO），并在撰写时在语义激光雷达方法中排名#1，测试集平均平移误差为0.82%。
引用
@article{arxiv.2010.13355,
title = {PSF-LO: Parameterized Semantic Features Based Lidar Odometry},
author = {Guibin Chen and Bosheng Wang and Xiaoliang Wang and Huanjun Deng and Bing Wang and Shuo Zhang},
journal= {arXiv preprint arXiv:2010.13355},
year = {2021}
}
备注
Accepted in International Conference on Robotics and Automation (ICRA) 2021