典型文献
基于学习的自动驾驶LIDAR定位
文献摘要：
论文提出DL-Net一种新颖的基于学习的LIDAR定位系统,创新地实现了各种深度神经网络结构的使用,建立基于学习的方法.DL-Net学习专门针对不同现实驾驶场景中的匹配而优化的局部描述符,并且高度了解全局上下文,这是深度学习的重要提示.在解决方案空间中建立的损失量上的3D卷积显着提高了定位精度,3D CNN通过将堆叠的沙漏网络(hourglass network)与中间监督(intermediate supervision)结合起来,去调整匹配损失量.RNN被证明可以有效地对车辆动力学进行建模,并具有更好的时间平滑性和准确性.为了证明该全球定位系统的性能和有效性,在KITTI数据集与其他算法进行了比较,并在长期的多重区段数据集上进行了评估.结果表明,论文的系统可以达到较高的精度.
文献关键词：
深度学习;自动驾驶定位;3DCNN;LIDAR
中图分类号：
作者姓名：
赵璐;宋新萍;姚振鑫
作者机构：
上海工程技术大学 上海 201600
文献出处：
引用格式：
[1]赵璐;宋新萍;姚振鑫-.基于学习的自动驾驶LIDAR定位)[J].计算机与数字工程,2022(08):1720-1726
A类：
中间监督
B类：
LIDAR,DL,Net,新地,深度神经网络,神经网络结构,同现,驾驶场景,描述符,全局上下文,损失量,显着,定位精度,堆叠,沙漏网络,hourglass,network,intermediate,supervision,RNN,车辆动力学,平滑性,全球定位系统,KITTI,区段,自动驾驶定位,3DCNN
AB值：
0.478818
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
