RadarLCD：基于雷达的可学习回环检测流水线
机器人学
2023-09-14 v1 计算机视觉与模式识别
摘要
回环检测（LCD）是机器人与计算机视觉中的一项基本任务，作为跨多个领域各种应用的基础组件，这些应用包括物体识别、图像检索与视频分析。LCD 在于判断机器人是否返回到先前访问过的地点（称为回环），并据此估计相对于所分析位置的旋转平移量。尽管雷达传感器具有诸多优势，例如能够在多样天气条件下工作，且相较于其他常用传感器（如相机或激光雷达）提供更宽的视野，但由于其固有的噪声与畸变，融合雷达数据仍是一项艰巨任务。为应对这一挑战，本研究提出 RadarLCD，一种专为使用 FMCW 雷达（调频连续波）传感器进行回环检测而设计的新型有监督深度学习流水线。RadarLCD 是一种明确为雷达系统设计的基于学习的 LCD 方法，其重要贡献在于利用了预训练的 HERO（混合估计雷达里程计）模型。HERO 最初为雷达里程计开发，其特征被用于筛选对 LCD 任务至关重要的关键点。该方法在多种 FMCW 雷达数据集场景中得到评估，并与 SOTA 系统（如用于地点识别的 Scan Context 和用于回环检测的 ICP）进行比较。结果表明，RadarLCD 在回环检测的多个方面均优于这些替代方案。
引用
@article{arxiv.2309.07094,
title = {RadarLCD: Learnable Radar-based Loop Closure Detection Pipeline},
author = {Mirko Usuelli and Matteo Frosi and Paolo Cudrano and Simone Mentasti and Matteo Matteucci},
journal= {arXiv preprint arXiv:2309.07094},
year = {2023}
}
备注
7 pages, 2 figures