RadarLoc：在 FMCW 雷达中学习重定位
机器人学
2021-03-23 v1 人工智能
摘要
重定位是机器人与计算机视觉领域的一项基础任务。深度相机重定位领域已有大量工作，其直接从原始图像估计位姿。然而，基于学习的方法尚未应用于雷达传感数据。本工作中，我们探究如何利用深度学习从新兴调频连续波(FMCW)雷达扫描预测全局位姿。具体地，我们提出一种新颖的带自注意力的端到端神经网络，称为 RadarLoc，其能直接估计 6-DoF 全局位姿。我们还提出通过利用雷达扫描间的几何约束来提升定位性能。我们在近期发布的具挑战性的室外数据集 Oxford Radar RobotCar 上验证了方法。综合实验表明，所提方法以显著优势优于基于雷达的定位与深度相机重定位方法。
引用
@article{arxiv.2103.11562,
title = {RadarLoc: Learning to Relocalize in FMCW Radar},
author = {Wei Wang and Pedro P. B. de Gusmo and Bo Yang and Andrew Markham and Niki Trigoni},
journal= {arXiv preprint arXiv:2103.11562},
year = {2021}
}
备注
To appear in ICRA 2021