DMLO: Deep Matching LiDAR Odometry 2020 激光里程計
圖森未來 本文提出了基於深度學習方法的激光里程計，首次在激光里程計任務中使用全局稀疏匹配。 其性能超越了現有的DP-based的方法，與幾何SOTA方法（SUMA）性能很接近。 相關工作 局部迭代方法：ICP系列。應用比較普遍，但是計算量大，異常值敏感，需要很小心的初始化。 全局稀疏配準：使用局部幾何描述子，大多數手工提取，不適用於稀疏、不均勻的點雲數據。 DP-based：幾何不可解釋，泛化性不
相關文章
- 1. LO-Net:Deep Real-time Lidar Odometry激光里程計 2019 論文筆記
- 2. DeepLO:Geometry-Aware Deep LiDAR Odometry 2019 論文筆記
- 3. LIMO: Lidar-Monocular Visual Odometry
- 4. 人工智能 | SLAM、視覺里程計、VIO、Net-SLAM、激光SLAM、語義SLAM、數據集（ state-of-the-art）
- 5. 【論文筆記】無監督的激光雷達里程計CAE-LO 2020
- 6. RF2O激光里程計算法原理
- 7. 一文詳解固態激光雷達的里程計（loam_livox）
- 8. LIO-SAM: Tightly-coupled Lidar Inertial Odometry via Smoothing and Mapping論文解讀
- 9. 視覺和激光雷達融合SLAM綜述-最新2020
- 10. 激光雷達（LIDAR） vs. 雷達（RADAR）
- 更多相關文章...
- • Scala 函數柯里化(Currying) - Scala教程
- • Web 創建設計 - 網站建設指南
- • 使用Rxjava計算圓周率
- • Docker容器實戰(七) - 容器眼光下的文件系統
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. LO-Net:Deep Real-time Lidar Odometry激光里程計 2019 論文筆記
- 2. DeepLO:Geometry-Aware Deep LiDAR Odometry 2019 論文筆記
- 3. LIMO: Lidar-Monocular Visual Odometry
- 4. 人工智能 | SLAM、視覺里程計、VIO、Net-SLAM、激光SLAM、語義SLAM、數據集（ state-of-the-art）
- 5. 【論文筆記】無監督的激光雷達里程計CAE-LO 2020
- 6. RF2O激光里程計算法原理
- 7. 一文詳解固態激光雷達的里程計（loam_livox）
- 8. LIO-SAM: Tightly-coupled Lidar Inertial Odometry via Smoothing and Mapping論文解讀
- 9. 視覺和激光雷達融合SLAM綜述-最新2020
- 10. 激光雷達（LIDAR） vs. 雷達（RADAR）