HRegNet-LO：基于端到端深度神经网络的LiDAR里程计测量

作者：付永健; 李宗春; 何华; 王力; 李丛

来源：光学学报, 2023, 43(24): 279-287.

• HRegNet网络
• LiDAR里程计
• 特征地图
• 迭代最近邻点
• Kitti odometry数据集

针对传统LiDAR里程计（LO）测量方法在处理无初值、长序列点云配准时存在精度低、稳定性差等问题，本文引入端到端点云配准网络（HRegNet），提出一种基于深度神经网络的LO测量方法——HRegNet-LO算法，以期实现更加准确、鲁棒的LO测量。所提算法由两个核心模块组成：前端计算和后端优化。在前端scan-to-scan配准中，主要是依据原始点云的3D坐标，采用HRegNet网络，计算出相邻两帧点云的初始转换矩阵，实现LO初始位姿计算；在后端scan-tomap配准中，主要是通过提取特征点构建特征地图，应用迭代最近邻点（ICP）算法，每间隔一定距离对初始位姿进行优化，以减小预估轨迹中的漂移。在Kitti odometry数据集上对所提算法的性能进行了评估，并与LOAM、F-LOAM等算法作对比分析。实验结果表明，所提算法相对旋转、平移误差分别在0.003°/m和1%左右，每帧位姿计算耗时约为100 ms，可以满足LO测量对于精度和实时性的要求。

• 单位
  信息工程大学地理空间信息学院