基于 LiDAR 的回环检测中的同步对抗特征学习
机器人学
2018-04-06 v1
摘要
回环检测（LCD）是同步定位与建图（SLAM）任务中的核心模块。在当前的基于外观的 SLAM 方法中，视觉输入通常受光照、外观与视角变化的影响。相较于视觉输入，凭借主动特性，基于光探测与测距（LiDAR）的点云输入对光照与外观变化具有不变性。本文中，我们从 LiDAR 输入提取 3D 体素地图与 2D 俯视图，前者可将局部几何捕获为简化的 3D 体素格式，后者可将局部道路结构捕获为 2D 图像格式。然而，最具挑战性的问题是从 3D 与 2D 地图中获取高效特征以抵御视角差异。本文提出一种用于 LCD 任务的同步对抗特征学习方法，其可在无任何标签数据的情况下从不同域学习更高层次的抽象特征。据我们所知，该工作首次实时提取多域对抗特征用于 LCD 任务。为探究性能，我们在 KITTI 里程计数据集上测试所提方法。大量实验结果表明，即便在巨大视角差异下，所提方法亦能大幅提升 LCD 精度。
引用
@article{arxiv.1804.01945,
title = {Synchronous Adversarial Feature Learning for LiDAR based Loop Closure Detection},
author = {Peng Yin and Yuqing He and Lingyun Xu and Yan Peng and Jianda Han and Weiliang Xu},
journal= {arXiv preprint arXiv:1804.01945},
year = {2018}
}
备注
6 Pages, accepted by ACC2018