首页|基于学习的自动驾驶LIDAR定位

基于学习的自动驾驶LIDAR定位

扫码查看
原文链接
  • 万方数据
论文提出DL-Net一种新颖的基于学习的LIDAR定位系统,创新地实现了各种深度神经网络结构的使用,建立基于学习的方法.DL-Net学习专门针对不同现实驾驶场景中的匹配而优化的局部描述符,并且高度了解全局上下文,这是深度学习的重要提示.在解决方案空间中建立的损失量上的3D卷积显着提高了定位精度,3D CNN通过将堆叠的沙漏网络(hourglass network)与中间监督(intermediate supervision)结合起来,去调整匹配损失量.RNN被证明可以有效地对车辆动力学进行建模,并具有更好的时间平滑性和准确性.为了证明该全球定位系统的性能和有效性,在KITTI数据集与其他算法进行了比较,并在长期的多重区段数据集上进行了评估.结果表明,论文的系统可以达到较高的精度.
Learning-based LIDAR Localization for Autonomous Driving

赵璐、宋新萍、姚振鑫

展开 >

上海工程技术大学 上海 201600

深度学习 自动驾驶定位 3DCNN LIDAR

2022

10.3969/j.issn.1672-9722.2022.08.019

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2022.50(8)
  • 16