SeqLPD：基于大规模点云描述与序列匹配增强的自动驾驶车辆回环检测
计算机视觉与模式识别
2019-08-20 v2 机器人学
摘要
地点识别与回环检测是自动驾驶车辆定位、建图与导航任务中的主要挑战。本文通过结合基于深度学习的点云描述方法与由粗到细的序列匹配策略来解决回环检测问题。具体而言，我们提出一个深度神经网络从原始大规模三维点云中提取全局描述子，在此基础上提出一种典型地点分析方法来研究全局描述子的特征空间分布并选取若干超级关键帧。最后，提出一种由粗到细的策略，包括基于超级关键帧的粗匹配阶段与局部序列匹配阶段，以同时保证回环检测的精度与实时性。得益于序列匹配操作，所提方法相较现有基于深度学习的方法取得了提升。在自动驾驶车辆上的实验结果验证了所提回环检测算法的有效性。
引用
@article{arxiv.1904.13030,
title = {SeqLPD: Sequence Matching Enhanced Loop-Closure Detection Based on Large-Scale Point Cloud Description for Self-Driving Vehicles},
author = {Zhe Liu and Chuanzhe Suo and Shunbo Zhou and Huanshu Wei and Yingtian Liu and Hesheng Wang and Yun-Hui Liu},
journal= {arXiv preprint arXiv:1904.13030},
year = {2019}
}
备注
This paper has been accepted by IROS-2019