面向异构传感器系统的球面多模态地点识别
机器人学
2022-01-13 v1
摘要
本文中，我们提出了一种鲁棒的端到端多模态地点识别流水线，其中传感器系统可在建图与查询之间不同。我们的方法直接作用于图像和LiDAR扫描，无需任何局部特征提取模块。通过将传感器数据投影到单位球面上，我们使用球面卷积神经网络学习部分重叠场景的多模态描述子。所采用的球面投影模型无需丢失信息即可 readily 支持任意LiDAR与相机系统。回环闭合候选通过嵌入空间中的最近邻查找获得。我们通过关联候选的功率谱来解决正确识别最近地点的问题，从而获得每个候选的置信值。我们对正确地点的估计即对应具有最高置信值的候选。我们使用不同传感器获取的真实世界数据，针对地点识别中的最先进方法评估了我们的方案。当模型训练与部署间传感器设置不同时，我们的方法相较基于LiDAR和基于视觉的系统分别可实现最高高出10%和5%的召回率。此外，我们的地点选择能正确识别候选集中高达95%的匹配。
引用
@article{arxiv.2104.10067,
title = {Spherical Multi-Modal Place Recognition for Heterogeneous Sensor Systems},
author = {Lukas Bernreiter and Lionel Ott and Juan Nieto and Roland Siegwart and Cesar Cadena},
journal= {arXiv preprint arXiv:2104.10067},
year = {2022}
}
备注
Accepted for IEEE International Conference on Robotics and Automation, 2021