【论文笔记】OneShot Global Localization: Instant LiDAR-Visual Pose Estimation

【论文笔记】OneShot Global Localization: Instant LiDAR-Visual Pose Estimation

    ~~~          ~~~~     在给定地图中进行全局定位对于机器人执行广泛的自主导航任务至关重要。本文介绍了 OneShot——一种全局定位算法，它一次只使用一次 3D LiDAR 扫描，同时优于基于点云集成序列的方法。我们的方法不需要机器人移动，它依赖于基于学习的点云段描述符，并在地图中计算完整的 6 自由度。这些片段是从当前的 LiDAR 扫描中提取的，并使用计算出的描述符与数据库进行匹配。然后用几何一致性测试验证候选匹配。我们还提出了一种策略，通过使用相机提供的视觉信息来增强分段描述符的性能，以进一步提高分段描述符的性能。为此，提出了一种定制的神经网络架构。我们证明了我们的 LiDAR-only 方法在一系列 KITTI 数据集上优于最先进的基线，并在具有挑战性的 NCLT 数据集上评估其性能。最后，我们表明，与仅使用 LiDAR 的描述相比，融合视觉信息可将分段检索率提高多达 26%。
　　由于许多机器人平台使用 LiDAR 和视觉传感器的组合，我们提出了一种策略，将 LiDAR 和视觉传感器的优势结合起来ÿ