主要贡献
• 利用单帧LiDAR数据进行准确6自由度位姿估计
• 基于目标激光-视觉信息的特征学习网络
方法概述
一、OneShot激光单帧定位
1. 使用Bogoslavskyi 等人基于range图像的快速单帧点云数据分割方法;
2. 利用segMap对分割的目标进行描述,使用kitti与NCLT的单帧数据进行训练,利用提取到的目标凸包重叠比例选取真值对应关系,使用triplet损失函数结合batch hard方法进行网络的调整;
3. 利用当前帧各目标的描述子与地图库中目标进行k邻近匹配,并且寻找几何一致性最高的目标对应关系,利用它们的几何中心进行6自由度的位姿估计;
二、利用视觉信息增强
将分割到的每个目标重投影到图像中,利用bbx中的视觉信息使用VGG16与NetVLAD进行特征训练,并与LiDAR数据进行融合
实验结果
本文主要与segMap方法进行了对比,将kitti数据抽稀到16线激光数据以示其鲁棒性,我们重复测量在获得首次全局定位前所需要运行的距离来进行比较,如下图所示,OneShot效果明显由于segMap
与segMap类似,我们将定位的结果作为ICP的初值,匹配的残差如下图所示