DeepLO:Geometry-Aware Deep LiDAR Odometry 2019 論文筆記

視頻鏈接:鏈接 使用surfel based 的表示方法(vertex+normal)作爲網絡的輸入,避免了量化損失,看起來是一種不錯的表示方法,既沒有誤差,保留了點雲數據的精確性,還以一種map 的形式提供鄰域查詢功能,不需要KDtree檢索之類。 此外,使用幾何一致性約束的損失函數進行無監督訓練,通過擾動成像的方法證明了損失函數的可行性。並在部分場景上取得了優於有監督訓練的精度。 DeePLO
相關文章
相關標籤/搜索