REGRACE: 基于一致性评估的鲁棒高效图重定位算法
计算机视觉与模式识别
2025-07-29 v2 机器人学
摘要
回环检测对于纠正里程计漂移和创建一致地图至关重要，尤其是在大规模导航的背景下。当前使用密集点云进行精确定位识别的方法由于计算昂贵的扫描间比较而难以扩展。基于对象的替代方法效率更高，但往往对视角变化敏感。在本工作中，我们引入了REGRACE，一种通过LiDAR子地图应对这些可扩展性和视角差异挑战的新方法。我们为每个标记对象引入旋转不变特征，并通过图神经网络以邻域上下文增强它们。为了识别潜在的重访，我们采用可扩展的词袋方法，每个子地图聚合一个学习到的全局特征。此外，我们通过几何一致性线索而非嵌入距离来定义重访，从而能够识别远距离的回环检测。我们的评估表明，REGRACE在达到与最先进的地点识别和配准基线相似结果的同时，速度提高了两倍。代码和模型公开可用。
引用
@article{arxiv.2503.03599,
title = {REGRACE: A Robust and Efficient Graph-based Re-localization Algorithm using Consistency Evaluation},
author = {Débora N. P. Oliveira and Joshua Knights and Sebastián Barbas Laina and Simon Boche and Wolfram Burgard and Stefan Leutenegger},
journal= {arXiv preprint arXiv:2503.03599},
year = {2025}
}
备注
Accepted to IROS2025