PulseAugur
中
实时 07:42:05
English(EN) Heterogeneous LiDAR Early Fusion and Learned Re-Ranking Strategy for Robust Long-Term Place Recognition in Unstructured Environments

新的激光雷达融合方法提升了自主系统的地点识别能力

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了 MinkUNeXt-VINE++，一种用于在非结构化环境中进行鲁棒长期地点识别的新方法，特别适用于农业领域的自主系统。该方法利用异构激光雷达传感器（具体为 Livox Mid-360 和 Velodyne VLP-16）的早期融合来创建更全面的环境表示。此外，在推理过程中采用学习式重排序策略，以提高在葡萄园等重复环境中的准确性。在 TEMPO-VINE 数据集上的评估显示，性能显著提升，与单传感器方法相比，Recall@1 提高了 20%，包含重排序后提高了 30%。该方法代码已公开提供。 AI

影响 这项研究可以提高在复杂、非结构化环境中运行的自主系统的可靠性和安全性。

排序理由 该集群包含一篇研究论文，详细介绍了使用激光雷达传感器进行地点识别的新方法。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Judith Vilella-Cantos, Juan Jos\'e Cabrera, M\'onica Ballesta, David Valiente, Luis Pay\'a ·

    Heterogeneous LiDAR Early Fusion and Learned Re-Ranking Strategy for Robust Long-Term Place Recognition in Unstructured Environments

    arXiv:2606.13503v1 Announce Type: cross Abstract: Robust localization in unstructured environments, such as agricultural fields, is a critical challenge for autonomous systems. LiDAR sensors provide detailed 3D information about the environment and are invariant to lighting condi…

  2. arXiv cs.AI TIER_1 English(EN) · Luis Payá ·

    Heterogeneous LiDAR Early Fusion and Learned Re-Ranking Strategy for Robust Long-Term Place Recognition in Unstructured Environments

    Robust localization in unstructured environments, such as agricultural fields, is a critical challenge for autonomous systems. LiDAR sensors provide detailed 3D information about the environment and are invariant to lighting conditions. For this reason, LiDAR-based place recognit…

相关实体

相关话题