Nov, 2020

Locus: 使用 LiDAR 基于时空高阶池化的地点识别

PDF
TL;DR本文提出 Locus，一种使用 3D LiDAR 点云的新型地点识别方法，在大规模环境中提取和编码场景中与组件相关的拓扑和时间信息，并使用二阶池化和非线性变换聚合这些多层特征以生成不变于输入特征排列的固定长度全局描述符。该方法在 KITTI 数据集上优于最先进的方法，并证明对 3D LiDAR 点云中的多种挑战性情境具有鲁棒性。
place recognitionsimultaneous localisation and mapping3d lidar point cloudstopological informationauxiliary information
发现论文，激发创造
  • LocNet: 用于移动车辆的 3D 点云全局定位

    该论文提出了一种解决全局定位问题的方法，通过使用基于 Siamese LocNets 的半手工表示学习方法，在全局先验地图中实现了场所识别和尺度姿态估计，并且提出了一个使用仅距离观测的全局定位框架。通过 KITTI 数据集和自主收集的多个数据集的实验结果表明，该系统能够实现高精度的全局定位。

    Dec, 2017

  • 具有潜在接触的挑战交叉场景中的相机 - LiDAR 融合用于地点识别

    本文介绍了一种新颖的三通道场所描述符，由图像、点云和融合分支组成，利用相机与激光雷达之间的相关性进行信息交互和融合，从而实现在具有透视变化、季节变化和场景变换等挑战性环境中进行地点识别。在 KITTI、NCLT、USVInland 和校园数据集上的大量实验证明，所提出的场所描述符是当前最先进的方法，证实了它在复杂场景中的稳健性和普适性。

    Oct, 2023

  • LOCUS 2.0：用于实时地下 3D 映射的稳健和计算高效的激光雷达里程计

    本篇研究介绍了 LOCUS 2.0 立体激光雷达测距导航系统，该系统可以实现在复杂的 GNSS 缺失环境中对机器人进行定位和导航，具有高效可靠、节约计算资源等优点，并且适用于大规模环境下进行实时的地下三维建图。

    May, 2022

  • LOCUS：一种多传感器激光雷达中心化的实时高精度里程计和 3D 地图解决方案

    本文介绍了一个高精度的激光雷达标题（LOCUS）用于在具有挑战性的感知条件下实现稳健和实时操作，该系统具有准确的多阶段扫描匹配单元和能够无缝融合附加传感模态的健康感知传感器集成模块，并在机器人探索 Satsop 发电厂时通过与其他技术的比较证明了其卓越的本地化准确性和鲁棒性。

    Dec, 2020

  • LCPR: 基于多尺度注意力的 LiDAR 相机融合网络用于地点识别

    提出了一种名为 LCPR 的新型神经网络，该网络融合 LiDAR 点云和多视角 RGB 图像，生成环境的具有区分性和偏航旋转不变性的表示，从而提高了地点识别性能并保持了对视角变化的强鲁棒性。

    Nov, 2023

  • 基于 LiDAR 强度的鲁棒地点识别的本地描述符

    该论文提出了一种将 LiDAR 的几何信息与强有力的外观信息相结合的方法，通过建立新的描述符来在地点识别中优于现有办法，并且利用概率性关键点投票算法，在大规模的建筑和非结构化环境中实现有效的全局定位实验。

    Nov, 2018

  • VOLoc: 压缩激光雷达地图查询的视觉位置识别

    本文介绍了一种利用城市规模激光雷达地图的准确高效的视觉地点识别方法 VOLoc，该方法通过几何相似性在实时捕获的图像序列中直接查询压缩的激光雷达地图，实现了比激光雷达到激光雷达地点识别更好的定位精度。

    Feb, 2024

  • MinkLoc3D：基于点云的大规模场所识别

    提出了一种名为 MinkLoc3D 的基于学习的方法，用于计算具有区分性的三维点云描述符，该方法使用稀疏体素化的点云表示和稀疏三维卷积，相比目前最先进的方法具有更好的性能。

    Nov, 2020

  • 学习是什么和在哪里：无监督分离位置和身份跟踪

    介绍了一种被称为 Loci 的自监督位置和身份追踪系统，通过处理分离的 “何处” 和 “何物” 的槽状编码解决了绑定问题，可以从视频流中有效地提取对象并将其分离成位置和整体组件，从而在概念层面上促进了有效的规划和推理。

    May, 2022

  • 基于激光雷达和单目图像融合的地点识别算法 MinkLoc++

    本研究介绍了一种基于 LiDAR 和 RGB 相机图像的判别式多模态描述符 MinkLoc++，该描述符可用于机器人或自动驾驶应用的位置识别、重新定位和环路闭合，同时使用深度度量学习方法来减轻多模态描述符训练过程中可能存在的主导模态问题，该方法在标准的位置识别基准测试上实现了最先进的性能。

    Apr, 2021