lidar odometry | BriefGPT - AI 论文速递

关键词lidar odometry

搜索结果 - 8

MAD-ICP：数据匹配的关键 -- 稳健且信息丰富的 LiDAR 里程计
该研究论文介绍了一种 LiDAR 里程计系统，能够在不同操作条件下正常运行，并实现与特定领域方法相当的性能。该系统使用基于 PCA 的 kd 树实现的 ICP 范式，用于提取待配准点云的结构信息并计算对齐的最小化度量。通过根据估计的姿态不确
PDF2 months ago
基于深度语义分割和新型异常值检测的改进 LiDAR 里程计与建图
使用深度学习模型产生语义信息以提高 LiDAR 扫描的点对线和点对面匹配，并构建环境的语义地图，应用于快速移动平台，提高 LiDAR 测距与建图的鲁棒性。
PDF4 months ago
Traj-LO: 高效连续时间轨迹的仅激光雷达导航定位
通过连续时间视角探索 LiDAR 单独里程计的能力，我们提出的 Traj-LO 方法通过紧密地结合 LiDAR 点的几何信息和轨迹平滑度的运动约束，恢复了 LiDAR 的时空一致性移动。该方法在不同种类的 LiDAR 以及多 LiDAR 系
PDF9 months ago
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。
PDF2 years ago
SelfVoxeLO: 使用基于体素深度神经网络的自监督 LiDAR 里程计
本文提出了一种自监督的 LiDAR 测距法 ——SelfVoxeLO，通过使用 3D 卷积网络对点云数据进行特征提取，利用 LiDAR 点云的内在属性设计了多种新颖的损失函数，并引入了一种不确定性感知的机制来减轻运动物体 / 噪声的干扰，该
PDF4 years ago
3D 点云场景流的分层注意力学习
本文研究了使用两个连续的三维点云来估计场景流的问题，并提出了一种新的分层神经网络架构和双重注意力方法来精细地估计和监督不同级别的场景流和 LiDAR 位置跟踪。
PDF4 years ago
DMLO: 深度匹配 LiDAR 里程计
本文介绍了一种新型的基于学习方法的 Deep Matching LiDAR Odometry (DMLO) 框架，它将特征匹配方法应用到 LiDAR 地标测量任务中，该框架将 6-DoF 姿态估计分解为两个部分，一个学习匹配网络，另一个是通
PDF4 years ago
LO-Net: 深度实时激光雷达里程计
本文提出了一种新的深度卷积网络 LO-Net，其可以进行实时激光雷达里程计估计，并通过端到端的方式进行训练。LO-Net 具有一种新的掩码加权的几何约束损失函数，可以有效地学习 LO 估计的特征表达，并可以隐式地利用数据中的时序依赖和动态性
PDF5 years ago