L3-Net: Towards Learning based LiDAR Localization for Autonomous Driving

[DeepTecher]

L3-Net: Towards Learning based LiDAR Localization for Autonomous Driving,定位

研究结构：百度自动驾驶事业部
作者: Weixin Lu、Yao Zhou、 Guowei Wan、Shenhua Hou、Shiyu Song

摘要：我们展示了L3-Net--一种基于学习的新型LiDAR定位系统，可实现厘米级的定位精度，与先前采用手工制作的SOTA系统相媲美。我们不是依赖这些手工模块，而是创新地实施各种深度神经网络结构的使用，以建立基于学习的方法。 L3-Net学习专门针对不同真实驾驶场景中的匹配进行优化的本地描述算子。在解决方案空间内构建的成本量上的3D卷积显着提高了定位精度。 RNN被证明可有效地模拟车辆的动力学，从而具有更好的时间平滑性及准确性。我们使用新收集的数据集全面验证了我们方法的有效性。在同一道路和区域进行重复数据收集的多次试验使我们的数据集成为测试定位系统的理想选择。 SunnyvaleBigLoop序列，在收集的测绘数据和测试数据之间有一年的时间间隔，这使得它非常具有挑战性，但我们的方法在这些数据集中的低定位误差证明了其在实际工业实施中的成熟度。