SegLocNet：基于鸟瞰视图分割的自动驾驶多模态定位网络
计算机视觉与模式识别
2025-03-03 v2
摘要
鲁棒且准确的定位是自动驾驶的关键。传统的基于GNSS的定位方法在城市环境中受到信号遮挡和多径效应的限制。而依赖高清(HD)地图的方法则受制于建设和维护HD地图的高昂成本。基于标准定义(SD)地图的方法另一方面往往表现不佳或泛化能力差 due to过拟合。为解决这些挑战，我们提出了SegLocNet，一种基于鸟瞰视图(BEV)语义分割的多模态GNSS-free定位网络，实现精确定位。SegLocNet采用BEV分割网络从多个传感器输入生成语义地图，随后进行彻底的匹配处理以估计车辆的自姿态。这一方法避免了基于回归的姿态估计的局限性，保持了高可解释性和泛化能力。通过引入统一的地图表示，我们的方法可应用于HD和SD地图，而无需修改网络架构，从而在定位精度和区域覆盖范围之间取得平衡。在nuScenes和Argoverse数据集上进行的大量实验表明，我们的方法在当前最先进的方法方面表现更好，并且能够在不依赖GNSS的情况下准确估计城市环境中的自姿态，同时保持强大的泛化能力。我们的代码和预训练模型将公开发布。
引用
@article{arxiv.2502.20077,
title = {SegLocNet: Multimodal Localization Network for Autonomous Driving via Bird's-Eye-View Segmentation},
author = {Zijie Zhou and Zhangshuo Qi and Luqi Cheng and Guangming Xiong},
journal= {arXiv preprint arXiv:2502.20077},
year = {2025}
}