论文地址： http://arxiv.org/pdf/2203.03397v3.pdf
来源： 北京理工大学
论文名称：OverlapTransformer: An Efficient and Yaw-Angle-Invariant Transformer Network for LiDAR-Based Place Recognition
原文作者：Junyi Ma
内容提要
位置识别是车辆在复杂环境和变化条件下自动导航的重要能力。它是诸如SLAM中的循环关闭或全局本地化等任务的关键部分。在本文中，我们解决了基于自动驾驶车辆记录的3D激光雷达扫描的位置识别问题。我们提出了一种新型的轻量级神经网络，利用激光雷达传感器的距离图像表示来实现每帧小于2毫秒的快速执行。我们设计了一个利用transformer网络的不变性架构，提高了我们方法的位置识别性能。我们在KITTI和Ford Campus数据集上评估了本文的方法。实验结果表明，与最先进的方法相比，我们的方法可以有效地检测环路闭合，并且在不同的环境中具有良好的泛化性。为了评估长期的位置识别性能，我们提供了一个新的数据集，其中包含移动机器人在不同时间重复位置记录的激光雷达序列。
主要框架及实验结果
声明：文章来自于网络，仅用于学习分享，版权归原作者所有
