HOTFLoc++：端到端的层次化激光雷达场景识别、重新排序以及在森林中的六自由度（6-DoF）度量定位技术

《IEEE Transactions on Reliability》：HOTFLoc++: End-to-End Hierarchical LiDAR Place Recognition, Re-Ranking, and 6-DoF Metric Localisation in Forests

　　

摘要：

本文介绍了HOTFLoc++，这是一个端到端的层次化框架，用于森林环境中的激光雷达地点识别、重新排序和6自由度（6-DoF）度量定位。该框架利用基于八叉树的变换器，在多个粒度上提取特征，以提高对杂乱环境、自相似性和视角变化的鲁棒性，适用于森林和城市环境中的地面到地面以及地面到空中的场景。我们提出了一种可学习的多尺度几何验证方法，以减少由于单尺度对应关系退化导致的重新排序失败。我们的联合训练协议通过同时优化地点识别、重新排序和定位来确保八叉树层次结构的多尺度几何一致性，从而提高地点识别的收敛性。我们的系统在定位误差方面与基线方法相当或更优，运行时间比基于RANSAC的密集点云配准方法快了近两个数量级。在公共数据集上的实验结果表明，与现有技术相比，我们的方法表现出更好的性能：在CS-Wild-Places数据集上的平均召回率（Recall@1）达到了90.7%，比基线方法提高了29.6个百分点；同时在单源基准测试中的平均召回率分别为91.7%和97.9%。我们的方法在97.2%的6-DoF定位尝试中实现了小于2米的定位误差，而我们的多尺度重新排序模块平均将定位误差降低了～2×。