基于多模态注意力融合网络的车辆定位LiDAR惯性测距技术

《IEEE Transactions on Vehicular Technology》：LiDAR Inertial Odometry for Vehicle Positioning Based on Multimodal Attention Fusion Network

　　

摘要：

多传感器信息融合是提升里程计估计精度的一种有效方法，有助于减少累积误差。近年来，由于深度学习能够从传感器数据中自动提取与车辆运动相关的特征，该方法被广泛应用于该领域。然而，如何利用监督学习有效融合IMU数据和LiDAR数据仍是一个挑战。本文提出了一种基于多模态注意力融合网络（MAFNet）的LiDAR惯性里程计（LIO）估计方法，用于车辆定位。在MAFNet中，构建了两个特征提取模块，即时空特征提取模块（STFE）和多运动特征提取模块（MMFE）。STFE通过收集不同时刻点云中的变化信息来间接提取车辆的运动特征。MMFE则创新性地学习不同方向上旋转和平移的复杂关联与时序依赖性，从而提升模型对车辆复杂姿态变化的理解能力。随后设计了特征关联引导学习机制（FAGLM），通过学习多模态特征之间的关联并减少特征中的冗余信息，来指导异构模态特征的融合。最后，将所提出的MAFNet应用于Kitti里程计数据集，并通过消融实验验证该方法的有效性。实验结果表明，MAFNet的性能优于现有方法，具有出色的估计效果。

I. 引言

里程计估计对于同时定位与建图（SLAM）而言至关重要，它通过利用车载传感器获取的环境数据，计算车辆在特定时间间隔内的旋转和平移运动。近年来，里程计估计被广泛应用于机器人定位和自动驾驶等领域[1]、[2]、[3]。LiDAR里程计（LO）和视觉里程计（VO）是两种应用较为广泛的解决方案，这主要得益于它们出色的姿态估计性能。与视觉里程计不同，LiDAR里程计不受自然光影响，可在夜间、弱光或恶劣天气条件下使用[4]。此外，LiDAR能够捕获详细且全面的环境信息，极大提升了其在各种场景下的适用性[5]。因此，人们越来越重视对LiDAR里程计的研究，这也是本文的主要研究内容。LiDAR是一种先进的遥感技术，可用于精确测量距离以及高分辨率地绘制目标物体的3D地图。其工作原理是從特定位置发射激光脉冲，然后检测这些脉冲与环境物体相互作用后的反射信号。通过精确计算脉冲发射与接收之间的时间差，即可实现距离测量。LO利用反射点云的时间序列，估算连续帧之间车辆的3D姿态变换。通常，根据扫描匹配模式，LiDAR里程计可分为直接匹配法、特征匹配法和深度学习法。在基于直接匹配的LiDAR里程计中，可通过对多组点进行对齐，估算出两次连续LiDAR扫描之间的最优变换关系。迭代最近点（ICP）算法[6]是一种经典的直接匹配方法，通过不断最小化误差指标来估算变换关系，但它容易陷入局部最小值，且对噪声敏感。陈和梅多尼最初提出了点对平面ICP算法[7]，该方法通过最小化源点云中的点到目标点云中局部切平面的距离，来估算两次扫描之间的最优变换关系。比伯等人[8]提出了一种点云匹配方法，通过优化对应体素之间的概率分布差异，在无需明确点对点对应关系的情况下估算变换关系。陈等人[9]则为密集点云开发了一种自适应关键帧选择策略，能够根据环境特征动态识别关键的LiDAR扫描，从而为扫描到地图的匹配构建最优子地图。尽管上述基于直接匹配的LiDAR里程计方法能够获得良好的估计结果，但在处理大规模或高分辨率的LiDAR数据时，可能会面临较高的计算成本。