雷达到激光雷达：基于联合学习的异质地点识别
计算机视觉与模式识别
2021-06-21 v2 机器人学
摘要
地点识别对于离线建图与在线定位均至关重要。然而，当前基于单传感器的地点识别在恶劣条件下仍具挑战性。本文提出一种基于异质测量的长期地点识别框架，该框架从已有的激光雷达地图中检索查询雷达扫描。为此，构建了一个在学习阶段进行联合训练的深度神经网络，随后在测试阶段提取雷达与激光雷达的共享嵌入以用于异质地点识别。为验证所提方法的有效性，我们在多时段公开数据集上与其他竞争方法进行了测试与泛化实验。实验结果表明，我们的模型能够执行多种地点识别：激光雷达到激光雷达、雷达到雷达以及雷达到激光雷达，而所学模型仅训练一次。我们也公开了源代码：https://github.com/ZJUYH/radar-to-lidar-place-recognition。
引用
@article{arxiv.2102.04960,
title = {Radar-to-Lidar: Heterogeneous Place Recognition via Joint Learning},
author = {Huan Yin and Xuecheng Xu and Yue Wang and Rong Xiong},
journal= {arXiv preprint arXiv:2102.04960},
year = {2021}
}
备注
Published by Frontiers in Robotics and AI. The published version is available at https://www.frontiersin.org/articles/10.3389/frobt.2021.661199/full . The source code is available at https://github.com/ZJUYH/radar-to-lidar-place-recognition