以下內(nèi)容來自小六的機(jī)器人SLAM學(xué)習(xí)圈知識星球每日更新內(nèi)容

點(diǎn)擊領(lǐng)取學(xué)習(xí)資料 → 機(jī)器人SLAM學(xué)習(xí)資料大禮包

北京航空航天大學(xué)提出了一種稀疏激光雷達(dá)輔助的視差估計(jì)網(wǎng)絡(luò)，可以減少更新步驟以提高運(yùn)行性能，并可以在任何激光雷達(dá)數(shù)據(jù)上進(jìn)行訓(xùn)練，以提高泛化能力。

#論文# Fast Sparse LiDAR Odometry Using Self-Supervised Feature Selection on Intensity Images

論文地址：IROS2022論文集

作者單位：北京航空航天大學(xué)

? ? 近年來，深度立體匹配取得了重大進(jìn)展。然而，最先進(jìn)的方法基于昂貴的 4D 成本，這限制了它們在實(shí)際應(yīng)用中的使用。為了解決這個(gè)問題，已經(jīng)提出了 3D 相關(guān)圖和迭代差異更新。關(guān)于這一點(diǎn)，在現(xiàn)實(shí)世界的平臺上，例如自動駕駛汽車和機(jī)器人，通常都會安裝激光雷達(dá)。

? ?因此，我們進(jìn)一步將稀疏激光雷達(dá)點(diǎn)引入迭代更新，這減輕了網(wǎng)絡(luò)從零狀態(tài)更新視差的負(fù)擔(dān)。此外，我們提出以自監(jiān)督的方式訓(xùn)練網(wǎng)絡(luò)，以便可以在任何數(shù)據(jù)上訓(xùn)練網(wǎng)絡(luò)，以獲得更好的泛化能力。實(shí)驗(yàn)和比較表明，該方法是有效的，并取得了與相關(guān)方法相當(dāng)?shù)慕Y(jié)果。

? ?通過將稀疏深度整合到迭代視差更新通道中，開發(fā)了一種稀疏激光雷達(dá)輔助的立體視差估計(jì)網(wǎng)絡(luò)。因此，可以減少更新步驟以提高運(yùn)行性能。此外，自監(jiān)督損失被用于網(wǎng)絡(luò)訓(xùn)練。因此，該網(wǎng)絡(luò)可以在任何激光雷達(dá)數(shù)據(jù)上進(jìn)行訓(xùn)練，以提高泛化能力。

以上內(nèi)容來自小六的機(jī)器人SLAM學(xué)習(xí)圈 每日更新內(nèi)容