（论文速读）LightLoc: 闪电般快速的户外LiDAR定位学习方法

最新推荐文章于 2025-10-25 20:25:37 发布
原创 最新推荐文章于 2025-10-25 20:25:37 发布 · 1k 阅读 · 28 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#人工智能 #计算机视觉 #LiDAR定位 #点云 #SLAM

论文题目：LightLoc: Learning Outdoor LiDAR Localization at Light Speed（LightLoc:以光速学习户外激光雷达定位）

会议：CVPR2025

摘要：场景坐标回归在室外激光雷达定位中取得了令人印象深刻的结果，但需要几天的训练。由于每个新场景都需要重复训练，长时间的训练对于需要时间敏感的系统升级的应用来说是不切实际的，比如自动驾驶、无人机、机器人等。我们认为，大规模户外场景中的大覆盖区域和大量数据是限制快速训练的关键挑战。在本文中，我们提出了LightLoc，这是第一种能够在新场景中以光速有效学习定位的方法。除了冻结与场景无关的特征主干和只训练特定于场景的预测头之外，我们引入了两种新技术来解决这些挑战。首先，我们引入样本分类指导来辅助回归学习，减少相似样本的歧义，提高训练效率。其次，我们提出冗余样本下采样，在训练过程中去除学习良好的帧，在不影响准确性的情况下减少训练时间。此外，样本分类的快速训练和置信度估计特性使其能够集成到SLAM中，有效消除误差积累。在大规模户外数据集上进行的大量实验表明，LightLoc只需1小时的训练就能达到最先进的性能，比现有方法快50倍。

项目地址：https://github.com/liw95/LightLoc

引入：LiDAR定位旨在估计传感器的6自由度姿态，这是许多应用的基本组成部分，例如自动驾驶和机器人。

一、研究背景与问题

1.1 LiDAR定位的重要性

LiDAR定位是估计传感器6自由度（6-DoF）位姿的技术，是自动驾驶、机器人等应用的基础组件。当前主流方法分为两类：

  1. 基于地图的方法：将查询点云与预构建的3D地图匹配

    • 缺点：需要昂贵的3D地图存储和高通信开销

  2. 基于回归的方法：将场景信息记忆在网络参数中

    • 绝对位姿回归（APR）：直接回归位姿
    • 场景坐标回归（SCR）：预测点云对应关系，再用RANSAC求解位姿
    • 优势：SCR显式利用几何信息，定位精度更高

1.2 核心问题：训练时间过长

虽然SCR性能优异，但存在严重的实用性问题：

  • LiSA作为当前最先进的方法，达到0.95m精度需要约53小时训练
  • 每个新场景都需要重新训练，使其在需要快速系统升级的应用中不实用

1.3 大规模户外场景的两大挑战

论文识别出两个关键挑战：

挑战1：大覆盖区域

  • 包含许多视觉相似的区域
  • 使基于回归的方法训练变得复杂

挑战2：海量数据

  • 自动驾驶数据集覆盖2km²，包含约150K训练样本
  • 即使采样为1024点、512维特征，也需要约150GB存储空间
  • 难以在GPU上存储特征进行优化

二、方法创新

2.1 整体框架设计

LightLoc采用两阶段训练策略：

阶段1：骨干网络训练

  • 在N个场景上并行训练N个回归头和一个共享的特征骨干网络
  • 在18个nuScenes场景上训练，包含350K帧，耗时2天
  • 产生16M参数的场景无关特征提取器

阶段2：场景特定预测头训练

  • 冻结骨干网络参数，只训练场景特定的预测头
  • 结合两项创新技术：SCG和RSD

2.2 创新技术1：样本分类引导（SCG）

设计动机： 解决大覆盖区域中视觉相似样本带来的学习模糊性

实现方法：

  1. 标签生成

    • 使用K-Means算法将训练位置聚类为k1个簇
    • 在位置上聚类（而非点云地图），确保快速生成标签

  2. 分类网络训练

    • 输入：点云P
    • 特征提取：使用冻结的骨干网络f(P)
    • 全局池化：获得全局特征
    • MLP预测：生成样本概率分布
    • 使用交叉熵损失训练，平滑因子ε=0.1
    • 训练时间：仅需5分钟！

  3. 指导回归学习

    • 归一化的样本概率分布特征添加高斯噪声（σ=0.1），再归一化到单位球面
    • 将特征融合到SCR框架中
    • 有效引导学习，确保快速收敛并防止过拟合

核心优势：

  • 减少相似区域的模糊性
  • 提高训练效率
  • 提供置信度估计

2.3 创新技术2：冗余样本下采样（RSD）

设计动机： 解决海量数据带来的计算负担

核心思想： LiDAR的大范围（100m）和高频率（10Hz）导致数据冗余，通过识别并移除已学好的样本来加速训练

实现方法：

RSD是一个分层采样技术，将训练过程分为四个阶段：

第一阶段（初始训练）：

  • 在完整训练集T上优化E1个epoch
  • 对每个样本计算L1损失的中位数Lm（选择中位数是因为对异常值鲁棒）

第二阶段（首次下采样）：

  • 在滑动窗口S内计算Lm的方差V
  • 在epoch E1+S时，按V降序排序，保留前(1-rd)×|T|个样本
  • 高方差样本优先保留，因为它们表示收敛较慢，需要更多训练

第三阶段（二次下采样）：

  • 在下采样集T'上重复过程，进一步减少到(1-rd)²×|T|个样本

第四阶段（恢复完整训练）：

  • 从epoch Es开始，在完整集T上训练以确保所有样本收敛

关键参数：

  • 下采样率rd = 0.25
  • 启动比率rst = 0.25
  • 停止比率rsp = 0.85

核心优势：

  • 通过简单计算损失方差，开销最小
  • 训练期间排除已收敛样本
  • 在保持精度的同时加速训练

2.4 集成到SLAM

SCG的5分钟快速训练和置信度估计特性使其能够集成到SLAM中，帮助消除误差累积

改进方法：

  1. 层次化分类网络

    • 修改为两级结构：第一级k1个簇，第二级k2个簇，共k1×k2个簇
    • 置信度定义为两级分类概率的乘积
    • 仍可在5分钟内训练完成

  2. 卡尔曼滤波融合

    • 过程系统：使用SLAM的位置估计
    • 测量系统：使用分类网络输出的簇中心，测量噪声Vt=I×(1-c)，c为置信度
    • 滤波系统：通过卡尔曼增益更新状态估计，获得校正结果

三、实验结果

3.1 数据集与评估指标

评估数据集：

  1. Oxford Radar RobotCar：覆盖约2km²，轨迹约10km，城市场景
  2. QEOxford：Oxford的质量增强版本
  3. NCLT：校园场景，覆盖约0.45km²，轨迹约5.5km

评估指标： 平均位置误差（米）和方向误差（度）

3.2 与最先进方法的对比

QEOxford数据集结果

LightLoc表现：

  • 位置误差：0.83m（最佳）
  • 方向误差：1.12°（第二佳）
  • 训练时间：1小时
  • 参数量：22M

与SOTA方法对比：

方法训练时间参数量位置/方向误差
LiSA (SCR SOTA)53h105M0.95m/1.14°
DiffLoc (APR SOTA)145h40M1.86m/0.87°
SGLoc50h105M1.53m/1.60°
LightLoc1h22M0.83m/1.12°

关键发现：

  • 相比LiSA：训练时间减少50倍，参数量减少4倍，精度相当或更好
  • 相比DiffLoc：训练时间快145倍，位置精度提高55.4%，且只需单帧输入
Oxford数据集结果
  • LightLoc：2.67m/1.25°
  • LiSA：2.74m/1.32°
  • 训练时间：1小时 vs 53小时
NCLT数据集结果
  • LightLoc：1.46m/2.80°
  • LiSA：1.47m/2.31°
  • 训练时间：1小时 vs 44小时

3.3 推理速度

  • Oxford数据集：29ms（要求<50ms）
  • NCLT数据集：48ms（要求<100ms）
  • 满足实时性要求

3.4 SLAM误差消除效果

在QEOxford数据集上，将LOAM的平均位置误差从87.81m降低到4.48m，改善率94.9%

3.5 消融实验

骨干网络冻结的影响：

  • 冻结场景无关骨干网络，只训练场景特定预测头，训练时间减少约57.9%，性能相当

SCG的影响：

  • 位置精度提高19.6%，方向精度提高17.3%，训练时间减少约45.8%

RSD的影响：

  • 在保持精度的情况下，进一步提升23.1%的训练效率

聚类数k1的影响：

k15152550100
分类准确率100%99.86%99.79%99.55%99.19%
误差(m/°)0.90/1.180.85/1.120.83/1.120.89/1.170.89/1.16

采样策略对比：

采样率随机采样均匀采样RSD
15%1.02/1.300.82/1.130.82/1.11
25%1.12/1.370.92/1.140.83/1.12
35%1.25/1.551.25/1.520.93/1.15

RSD在25%剪枝率下无明显精度下降，即使在35%时下降也很小，通过有效选择已学好的样本确保了稳定性能

四、技术亮点总结

4.1 创新性

  1. 首个实现1小时训练的方法：相比现有SOTA方法快50倍
  2. 针对大规模户外场景的定制化设计：SCG和RSD分别解决覆盖范围大和数据量大的问题
  3. 多功能性：SCG不仅加速训练，还可集成到SLAM中消除误差累积

4.2 实用价值

  1. 快速部署：使基于回归的定位方法能够应用于需要时间敏感的系统升级场景
  2. 资源高效：
    • 参数量减少4倍（22M vs 105M）
    • 无需昂贵的GPU存储
  3. 即插即用：场景无关骨干网络可迁移到新场景

4.3 性能平衡

  • 精度：达到或超过当前SOTA水平
  • 速度：训练时间减少50倍，推理满足实时性
  • 规模：参数量减少4倍

五、局限性与未来工作

5.1 当前局限

  1. 并非所有测试轨迹都达到最高性能：论文坦诚说明，方法的主要关注点是训练时间和存储需求，而非在所有情况下都达到最高精度

  2. 骨干网络训练仍需时间：虽然新场景训练快，但初始的场景无关骨干网络训练仍需2天

5.2 未来方向

论文提出将探索在更多场景、平台和LiDAR类型的数据上联合训练骨干网络，进一步提高泛化能力

六、总结

LightLoc是LiDAR定位领域的一项重要突破，它首次实现了在大规模户外场景中仅用1小时就能完成训练的目标。通过创新的SCG和RSD技术，论文优雅地解决了大覆盖区域和海量数据两大挑战，为基于回归的定位方法的实际应用铺平了道路。

核心贡献：

  1. 训练时间从2天缩短到1小时（50倍加速）
  2. 保持或超越SOTA精度
  3. 参数量减少4倍
  4. 可集成到SLAM消除误差累积

这项工作对自动驾驶、无人机、机器人等需要快速系统更新的应用具有重要意义，使得基于学习的定位方法在实际部署中更加可行。

【论文速读】BEVFusion: A Simple and Robust LiDAR-Camera Fusion Framework
minyshi的博客
10-17 1133
此外，BEVFusion在激光雷达和相机发生故障时仍能保持较高的检测性能，证明了其在多模态3D目标检测中的鲁棒性和实用性。相机流首先使用2D骨干网络提取图像特征，然后通过特征金字塔网络（FPN）和自适应模块（ADP）进行多尺度特征融合，最后通过2D到3D的视图投影器将这些特征转换为3D ego-car坐标系中的特征，并最终编码为BEV空间特征。该框架包含两个独立的流，相机流和激光雷达流,分别编码来自相机和激光雷达的原始输入，并在相同的鸟瞰图（BEV）空间中生成特征，然后通过一个简单的融合模块结合这些特征。
NLP论文速读|HBAT:一种面向大语言模型的混合对齐训练方法Hybrid Alignment Training for Large Language Models
2401_85576118的博客
10-29 1464
该论文的实验主要关注于评估所提出的HBAT在大型语言模型（上的表现，特别是在摘要（Summarization）和对话（Dialogue）任务上。在摘要任务上，HBAT在LLaMA2-7B和LLaMA2-13B模型上均取得了最佳结果。在对话任务上，HBAT在对话任务上也表现出色，尤其是在使用PPO进行人类偏好对齐训练时，HBAT在PandaLM和Reward上都超过了RLHF。在传统的两阶段对齐训练中，即指令遵循对齐和人类偏好对齐，存在目标可能发生冲突的问题，导致LLMs无法同时很好地对齐指令和人类偏好。
LightLoc：快速高效的户外激光雷达定位新方法
人无远虑，必有近忧
04-09 277
论文标题：LightLoc: Learning Outdoor LiDAR Localization at Light Speed代码：https://github.com/liw95/LightLoc论文：https://arxiv.org/abs/2503.17814是一种新型户外激光雷达（LiDAR）定位方法，旨在解决现有场景坐标回归方法训练时间过长的问题。LightLoc 通过冻结场景无关的特征主干网络并仅训练场景特定的预测头来加速学习过程。
论文速读《UniVLA：让机器人学会通用技能的新方法》
lovely_yoshino的博客
05-21 7684
如何让机器人在各种环境中高效工作是当前AI领域的重大挑战。传统方法往往依赖大量带标注的动作数据，这使得机器人很难从一个场景迁移到另一个场景，更难以适应不同的物理形态。UniVLA（通用视觉-语言-动作框架）通过一个巧妙的方法解决了这个问题。它引入了"任务中心的潜在动作"概念，让机器人能够从互联网视频中学习，并将知识迁移到不同环境和不同机器人平台。最令人印象深刻的是，UniVLA在计算资源只有OpenVLA（之前最先进方法）的1/20、训练数据仅有其1/10的情况下，性能表现却大幅领先。
图像融合论文速读：CFNet: An infrared and visible image compression fusion network
图像强的博客
12-30 2111
提出了一种基于联合CNN和Transformer以及感兴趣区域的红外和可见光图像压缩融合网络。 首先，研究了压缩任务和融合任务的组合优化，最小化冗余信息。 为实际存储和传输任务带来更好的压缩率。 其次，为网络主架构开发了联合CNN和Transformer模块。 同时，网络聚合了局部位置信息和全局依赖关系，使得网络能够更好地实现压缩和融合任务的联合优化。 此外，基于前景目标掩模构建了感兴趣区域的多通道损失，不仅实现了多通道图像的直接融合，而且带来了更好的压缩比。
AI论文速读技巧：如何30分钟掌握一篇顶会论文？
我是 二川兄，对Web开发、GIS开发、3D模型、机器学习、面试技巧等方面都有一些涉猎~ 欢迎您加入技术交流圈！你可以在我的文章末尾找到我~
05-29 2183
AI论文速读技巧：如何30分钟掌握一篇顶会论文？
（论文速读）DTPM：学习扩散纹理先验图像恢复
LJ1147517021的博客
08-15 946
本文提出了一种基于扩散模型的图像恢复方法DTPM，专注于提升纹理细节的重建质量。该方法采用两阶段训练策略：先在大规模高质量图像上预训练纹理先验模型，再通过轻量级适配器快速适应下游任务。DTPM的创新点在于将扩散模型专门用于纹理生成，同时保持结构信息，通过语义约束确保纹理一致性。实验表明，该方法在去雨、去雾等任务中显著提升了PSNR和SSIM指标，尤其在纹理细节恢复上表现突出。DTPM为移动摄影、影视后期等领域提供了更细腻真实的图像修复解决方案。
（论文速读）Lumos：学习没有文本的视觉生成先验
LJ1147517021的博客
10-22 975
提出了一种无需文本监督的视觉生成方法Lumos，通过将纹理建模与跨模态对齐分离，显著降低了高质量文本-图像配对数据的依赖。实验表明，仅需1/10的文本数据微调，该I2I模型就能达到与T2I模型相当的性能，且在图像到3D、视频生成等文本无关任务上表现更优。该方法不仅提升了数据效率和模型鲁棒性，还为视觉生成领域提供了新的技术路径。
论文速读《AutoVLA：统一推理与行动的端到端自动驾驶新突破》
lovely_yoshino的博客
06-27 6294
摘要 UCLA研究团队提出AutoVLA，一种创新的视觉-语言-动作模型，用于端到端自动驾驶。该模型通过统一的自回归框架将场景推理与轨迹规划融合，采用离散化token化方法将连续轨迹转化为语言模型可处理的序列。创新性地引入自适应推理机制，结合"快速思维"（直接动作生成）和"慢速思维"（结构化推理）两种模式，根据场景复杂度动态调整策略。模型基于Qwen2.5-VL-3B架构，整合多视角视频、导航指令和车辆状态作为输入，通过强化微调优化性能。实验表明AutoVLA在复杂场
英伟达推理模型论文速读：OpenCodeReasoning-Nemotron-32B
直达开源前线，冲冲冲！
05-11 1419
OpenCodeReasoning研究旨在通过构建大规模、高质量的监督微调（SFT）数据集，提升大型语言模型（LLMs）在代码任务中的推理能力。研究者创建了OPENCODEREASONING数据集，包含736,712个样本，涵盖28,904个独特的编程问题，并通过多步骤精炼确保数据质量。实验表明，仅使用SFT数据蒸馏的模型在LiveCodeBench和CodeContests基准测试中超越了通过强化学习（RL）训练的模型，特别是在32B参数规模下表现尤为突出。研究还通过消融实验分析了代码执行过滤、C++解决
NLP论文速读|Speculative Rejection: 一个快速Best-of-N解码方法(Fast Best-of-N Decoding via Speculative Rejection)
2401_85576118的博客
11-04 1582
这些结果表明，“Speculative Rejection”是一种有效的推理时对齐算法，能够在保持生成质量的同时，显著减少所需的计算资源。论文提出了一种名为“Speculative Rejection”的新方法，这是一种在推理时对齐LLMs的算法，它能够在保持与Best-of-N相似的对齐效果的同时，显著提高计算效率。该方法通过在生成过程中早期识别并停止那些不太可能产生高评分响应的生成，从而减少了所需的计算资源，使得在单个加速器上即可实现与Best-of-N相当的效果，同时保持了较低的延迟。
【论文速读】| 超越随机输入：一种基于机器学习的新型硬件模糊测试方法
m0_73736695的博客
06-20 1106
近期的研究还提出了混合硬件模糊测试器，如HyPFuzz和PSOFuzz，它们结合了模糊测试器与形式工具和优化算法的能力，以提高覆盖率。硬件模糊测试已成为检测大规模设计（如现代处理器）中的安全漏洞的有效方法，然而，现有的模糊测试器在合理时间内难以全面覆盖复杂硬件设计。具体来说，研究者的目标是克服现有模糊测试器在覆盖复杂硬件设计时的时间限制，提升测试效率，并揭示更多的安全漏洞。研究者的方法显著提高了条件覆盖率，在不到一小时内达到74.96%，而现有的最佳硬件模糊测试器需要大约30小时才能达到相同的覆盖率。
NLP论文速读|SeRA: 一种基于隐式奖励边距的自我审查和语言模型对齐方法
2401_85576118的博客
11-03 587
论文的主要动机是提高直接对齐算法（DAAs）的效率和效果。DAAs是一种流行的RLHF替代方法，因为它们简单、高效且稳定。
Deepseek-ocr论文精读
wanzhong2333的博客
10-21 1992
给出了几个重要信息这是一篇探究视觉二维映射（optical 2D mapping）实现长上下文压缩的可行性的文章。这个模型不怕高分辨率的输入。当视觉图像压缩比很高的情况下，识别的精度依然很高。模型推理速度快，单张 A100-40G 显卡搭载的 DeepSeek-OCR 每日可生成 20 万页以上的数据。下图其他模型的在基准测试中对比，出手就是王炸，deepseek-ocr系列包揽了整个外围，类似机器学习的AUC图像，面积越大，模型性能越好。
标签噪声学习：理论与方法详解
最新发布
weixin_48846514的博客
10-25 702
摘要：标签噪声学习指南 本文系统介绍了标签噪声学习的关键问题与方法。主要内容包括： 标签噪声的成因：大数据时代下众包标注不可避免产生噪声，即使ImageNet等标准数据集也存在20%左右的错误标签。 噪声类型分类： 随机分类噪声（RCN）：均匀错误 类别依赖噪声（CCN）：类间混淆概率不同 实例依赖噪声（ILN）：与具体样本相关 解决方案：重点分析了对称损失函数对抗RCN的数学原理，证明其能保持噪声数据与干净数据的最优模型一致性。 研究表明，传统方法在噪声数据上性能可能退化至随机猜测水平，而专门的抗噪方法能
番外篇 基于Dify的AI应用开发：从入门到实战全解析
IT深耕十余载，大道之简
10-25 587
摘要 Dify是一款开源AI应用开发平台，通过可视化界面大幅降低AI应用开发门槛。文章系统介绍了Dify的核心功能，包括工作流设计器、提示词工程、知识库管理等，并通过构建智能客服系统的实战案例，展示了从环境搭建到生产部署的全流程。平台支持多模型接入、全链路管理，具备企业级扩展性，使开发者能快速实现包含智能问答、情感分析等功能的AI应用。文章还提供了提示词优化、性能调优等最佳实践，为不同技术背景的用户提供全面的开发指南。
机器学习中一些场景的模型评估与理解图表
小小默：进无止境
10-22 1088
机器学习模型评估与解释图表指南 本文系统整理了14种核心的机器学习图表工具，分为四大类： 性能评估：包括ROC曲线、PR曲线和混淆矩阵，用于量化模型分类能力 模型解释：特征重要性图、SHAP摘要和依赖图，揭示模型决策依据 训练监控：学习曲线、验证曲线和损失曲线，优化模型训练过程 业务分析：累计增益图、提升图和校准曲线，将技术指标转化为业务洞察 每种图表均包含： 核心指标说明（如AUC、F1等） 标准图例展示 专业解读要点 典型应用场景 这些可视化工具形成了从技术验证到业务决策的完整分析链条，适用于分类模型的
合合信息亮相PRCV：多模态文本智能与内容安全双擎驱动的技术突破与实践解析
2501_92808811的博客
10-22 981
合合信息的方案首先通过CV模型定位图片中的文字区域（如用户发布的广告图中的宣传语），再通过OCR提取文字后，利用多模态模型判断图文关联性（如图片为儿童玩具，但文字包含“成人用品促销”这类矛盾内容），最后结合内容安全模型的敏感实体识别（如违禁药品名称）与情感分析（如煽动性词汇密度）输出拦截建议。例如，一张包含文字的发票图片（图像模态），需要先通过OCR（光学字符识别）提取文字（文本模态），再结合发票模板规则（结构化知识）与业务上下文（如报销政策）进行语义分析（文本推理）。合合信息的技术突破在于：通过。
软件所2025预推免
qq_73354094的博客
10-24 711
2.大笨钟，00:00-12:00不报时（包含端点），后半天报时，整点就报对应的时间，超出的就多报一声，例如13:00报一声，13:05报两声。8.在100米的航道，两船开始时相向而行，第一船100米用72秒，第二船100米60秒，掉头不算时间，问在12分钟内相遇几次？2.观察n天，7天有不活跃情况（上午或者下午不活跃），5天上午活跃，6天下午活跃，如果下午不活跃上午一定活跃，问观察了几天。11.10张牌，开始时都是反面，1的倍数翻一次，2的倍数翻一次，一直到10，问最后正面朝上的最大和最小的差值是多少？
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值