SHeRLoc：同步异构雷达 place recognition 用于跨模态定位
机器人学
2025-10-13 v2
摘要
尽管雷达在机器人领域的采用日益增长，大多数研究仍局限于单一传感器类型，忽视了异构雷达技术所固有的集成与跨模态挑战。这导致在通用化不同雷达数据类型方面存在显著困难，潜在利用异构雷达优势的模态感知方法仍未得到探索。为弥合这一差距，我们提出 SHeRLoc，这是首个针对异构雷达的深度网络，该网络利用 RCS 极化匹配将多模态雷达数据对齐。我们采用基于分层最优运输的特征聚合方法生成旋转稳健的多尺度描述子。通过采用 FFT 相似性数据矿选和自适应间隙-based triplet loss，SHeRLoc 实现了 FOV 感知的度量学习。SHeRLoc 在异构雷达 place recognition 中实现了数量级的提升，将 recall@1 从低于 0.1 提升至 0.9，超过了最先进的方法。该方法同样适用于 LiDAR，为跨模态 place recognition 和异构传感器 SLAM 铺平了道路。补充材料和源代码可在 https://sites.google.com/view/radar-sherloc 提供。
引用
@article{arxiv.2506.15175,
title = {SHeRLoc: Synchronized Heterogeneous Radar Place Recognition for Cross-Modal Localization},
author = {Hanjun Kim and Minwoo Jung and Wooseong Yang and Ayoung Kim},
journal= {arXiv preprint arXiv:2506.15175},
year = {2025}
}
备注
9 pages, 9 figures, accepted to RA-L