以下內(nèi)容來自小六的機(jī)器人SLAM學(xué)習(xí)圈知識星球每日更新內(nèi)容

點(diǎn)擊領(lǐng)取學(xué)習(xí)資料 → 機(jī)器人SLAM學(xué)習(xí)資料大禮包

#論文# IROS 2023|牛津大學(xué)發(fā)布Off the Radar: 具有內(nèi)省查詢和地圖不確定性感知的雷達(dá)Radar位置識別

【Off the Radar: Uncertainty-Aware Radar Place Recognition with Introspective Querying and Map Maintenance】

作者單位：牛津大學(xué)移動機(jī)器人組Mobile Robotics Group

文章鏈接：http://arxiv.org/abs/2306.12556

調(diào)頻連續(xù)波( FMCW )雷達(dá)因其對惡劣環(huán)境的固有抵抗能力而受到越來越多的關(guān)注。然而，雷達(dá)測量過程中的復(fù)雜工件需要進(jìn)行合適的不確定度估計- -以確保這種有發(fā)展前途的傳感器模態(tài)的安全可靠的應(yīng)用。在這項工作中，我們提出了一個多時段地圖管理系統(tǒng)，該系統(tǒng)根據(jù)在嵌入空間中學(xué)習(xí)到的方差屬性來構(gòu)建用于進(jìn)一步定位的"最佳"地圖。使用相同的方差屬性，我們還提出了一種新的方法來內(nèi)省地拒絕可能不正確的本地化查詢。?

為此，我們采用魯棒的抗干擾度量學(xué)習(xí)，既利用了沿行駛路徑(用于數(shù)據(jù)增強(qiáng))的雷達(dá)數(shù)據(jù)的短時間尺度變化，又預(yù)測了基于度量空間的地點(diǎn)識別中的下游不確定性。我們在Oxford Radar RobotCar和MulRan數(shù)據(jù)集上進(jìn)行大量的交叉驗證測試，證明了我們方法的有效性。在這種情況下，當(dāng)只使用單個最近鄰查詢時，我們在雷達(dá)位置識別和其他不確定性感知方法中的表現(xiàn)實現(xiàn)SOTA。在一個難度很大的測試環(huán)境中拒絕基于不確定性的查詢時，我們也表現(xiàn)出了一致的性能提升，這是我們以前在極具挑戰(zhàn)性的不確定性感知位置識別系統(tǒng)中沒有觀察到的。

以上內(nèi)容來自小六的機(jī)器人SLAM學(xué)習(xí)圈知識星球每日更新內(nèi)容

最后介紹一下我們最近的幾個學(xué)習(xí)活動：

1、【報名】視覺慣性SLAM挑戰(zhàn)賽之 ORB-SLAM3

《視覺慣性SLAM：理論與源碼解析》第三部分：ORB-SLAM3理論與實踐。3周時間，8月21日開始上課。詳見《視覺慣性SLAM》挑戰(zhàn)賽，終極之戰(zhàn)！

2、第1期編輯部成員招募

一起對AR/MR、機(jī)器人、自動駕駛、無人機(jī)等SLAM相關(guān)的細(xì)分行業(yè)的梳理和分析，在AI熱潮下能夠和大家一起理清思路，看清發(fā)展脈絡(luò)和趨勢。 僅限 「小六的機(jī)器人SLAM學(xué)習(xí)圈」參與。

3、【報名】創(chuàng)業(yè)交流小組

組織有創(chuàng)業(yè)想法，有創(chuàng)業(yè)行動，或者正在創(chuàng)業(yè)中的朋友一起學(xué)習(xí)交流，大家一起去思想碰撞，相互學(xué)習(xí)，甚至產(chǎn)生合作機(jī)會。僅限 「小六的機(jī)器人SLAM學(xué)習(xí)圈」參與。

4、【報名】招募項目實戰(zhàn)合作者

SLAM項目實戰(zhàn)課程，基于開源算法做一些拓展項目。僅限 「小六的機(jī)器人SLAM學(xué)習(xí)圈」參與。

5、小六的機(jī)器人SLAM圈！

全國最大的機(jī)器人SLAM交流圈，詳情戳「小六的機(jī)器人SLAM學(xué)習(xí)圈」