摘要

位姿识别对于实现无漂移的定位系统至关重要。由于环境变化的影响，仅依赖单一模态的位姿识别方法存在局限性。本文提出一种双模态位姿识别方法，能够从视觉与激光雷达（LiDAR）两种模态中提取复合的全局描述子。具体而言，我们首先利用三维点云生成高程图像，作为场景的结构化表示；随后，建立三维点与图像像素之间的对应关系，并利用该对应关系将像素级的视觉特征融合至高程图的网格单元中。通过这种方式，我们在统一的鸟瞰视角框架下实现了结构特征与视觉特征的融合，生成了一种具有语义意义的表征，称为CORAL。整个网络架构命名为CORAL-VLAD。在牛津RobotCar数据集上的对比实验表明，CORAL-VLAD在性能上优于现有主流方法。此外，我们还验证了该网络在跨城市数据集上的泛化能力，证明其可适用于其他场景及不同的传感器配置。