【UnLoc: 一种在所有天气条件下利用多传感器输入进行定位的新的统一神经建模方法】方法在Oxford Radar RobotCar、ApoloSouthBay和Perth WA数据集上进行了扩展评估。结果证实了作者的技术的有效性
- 题目: UnLoc: A Universal Localization Method for Autonomous Vehiclesusing LiDAR, Radar and/or Camera Input
- 作者单位: 西澳大利亚大学
定位是机器人自主导航的一项基本任务。现有的定位方法依赖于单个输入数据模态或训练几个计算模型来处理不同的模态。这导致了严格的计算要求和次优结果，无法利用其他数据流中的互补信息。本文提出了UnLoc，这是种在所有天气条件下利用多传感器输入进行定位的新的统一神经建模方法作者的多流网络可以根据需要处理用于定位的Lidar、相机和Radar输入即，它可以与一个或多个输入传感器一起工作，使其对传感器故障具有鲁棒性。UnLoc使用3D稀疏卷积和空间的圆柱形划分来处理LiDAR帧，并使用用于Radar和图像模态的基于slot 注意力的特征滤波模块来实现ResNet块。作者引入了一种独特的可学习模态编码方案来区分输入传感器数据。方法在OxfordRadar RobotCar、ApoloSouthBay和Perth WA数据集上进行了扩展评估。结果证实了作者的技术的有效性.
UnLoc: A Universal Localization Method for Autonomous Vehiclesusing LiDAR, Radar and/or Camera Input
