DVLO：深度视觉 - LiDAR 里程计，使用局部到全局特征融合和双向结构对齐
原文中文，约300字，阅读约需1分钟。发表于：。通过局部到全局的融合网络与双向结构对齐，本研究解决了视觉 - LiDAR 融合中由于两种模态之间内在数据结构不一致性而带来的挑战，取得了在 KITTI 里程计和 FlyingThings3D 场景流数据集上超过单模态和多模态方法的最新成果。
本文介绍了一种自监督的LiDAR测距法SelfVoxeLO，通过使用3D卷积网络对点云数据进行特征提取，并设计了多种新颖的损失函数，引入了不确定性感知机制来减轻干扰。该方法在KITTI和Apollo-SouthBay数据集上性能优于现有无监督方法，可通过添加未标记的训练数据进一步提高性能，与有监督方法相媲美。
