UnDeepLIO：无监督深度激光雷达-惯性里程计

已有大量研究工作致力于基于深度学习的里程计。然而，关于无监督深度激光雷达里程计的努力甚少。本文中，我们设计了一种结合 IMU 的无监督激光雷达里程计新框架，该 IMU 在其他深度方法中从未使用。首先，一对连体 LSTM 用于从 IMU 的线加速度和角速度获取初始位姿。利用初始位姿，我们对当前帧进行刚体变换并使其与上一帧更为对齐。然后，我们从变换后的点云及其法线中提取顶点与法线特征。接下来提出双分支注意力模块，分别从提取的顶点与法线特征估计残差旋转与平移。最后，我们的模型输出初始位姿与残差位姿之和作为最终位姿。对于无监督训练，我们引入了应用于体素化点云的无监督损失函数。所提方法在 KITTI 里程计估计基准上进行了评估，并取得了与其他最先进方法相当的性能。