面向基于LiDAR回环检测的稳定对抗特征学习
机器人学
2017-11-22 v1
摘要
稳定特征提取是同步定位与建图(SLAM)框架中回环检测(LCD)任务的关键。在本文中，特征提取通过使用基于生成对抗网络(GANs)的无监督学习实现。GANs是强大的生成模型，然而基于GANs的对抗学习存在训练不稳定问题。我们发现对抗学习中的数据-码联合分布是比原始GANs中更复杂的流形。且驱动合成分布与目标分布间吸引力的损失函数无法有效用于LCD任务的潜码学习。为缓解此问题，我们将原始对抗学习与内部循环限制模块和侧更新模块结合。据我们所知，我们首次从光探测与测距(LiDAR)输入中提取对抗特征，其对照明与外观引起的变化具有如视觉输入中般的不变性。我们使用KITTI里程计数据集考察方法性能。大量实验结果表明，在相同LiDAR投影图下，所提特征训练更稳定，且相比其他最先进方法在视角差异上显著提升了鲁棒性。
引用
@article{arxiv.1711.07659,
title = {Towards Stable Adversarial Feature Learning for LiDAR based Loop Closure Detection},
author = {Lingyun Xu and Peng Yin and Haibo Luo and Yunhui Liu and Jianda Han},
journal= {arXiv preprint arXiv:1711.07659},
year = {2017}
}
备注
8 pages, 14 figures, submitted to ICRA 2018