上海交通大学智能网联电动汽车创新中心杨明老师团队在机器人旗舰会议IROS会议上发表题为 "Cross-Modal Visual Relocalization in Prior LiDAR Maps Utilizing Intensity Textures" 的研究论文，为提高在先验LiDAR地图中的视觉重定位性能提供了有效的解决方案。解决了2D图像纹理与3D点云几何之间的一致性问题，并充分利用了LiDAR点云中的强度特征，增强了地点重识别和位姿估计的准确性与鲁棒性。

随着跨模态定位技术的发展，视觉在先验LiDAR地图中的重定位受到了越来越多的关注。然而，现有方法常因2D纹理信息与3D几何结构之间的不一致性而受限，忽略了LiDAR点云中的强度特征。本文旨在解决这些问题，提高重定位的准确性和鲁棒性。

目前，跨模态视觉重定位研究主要集中在图像-点云地点重识别或2D-3D配准上，缺乏包含地点重识别和位姿估计的完整系统。现有方法通常采用检测-匹配策略，但由于2D和3D特征检测和描述符编码的性质不同，导致跨域检测一致特征困难，匹配准确度低。

为综合解决上述问题，论文提出了一种基于强度纹理的跨模态视觉重定位系统，利用全景投影构建强度通道图像数据库，通过粗略检索和精细重定位模块，实现了从查询图像到先验LiDAR地图的6DoF姿态估计。该系统通过两阶段2D-3D关联和共视性内点选择方法，提高了2D-3D对应关系的鲁棒性，并通过PnP和RANSAC技术进行位姿估计，实验结果证明了该方法在地点重识别和位姿估计任务中的有效性。

原文信息：

Qiyuan Shen, Hengwang Zhao, Weihao Yan, Chunxiang Wang, Tong Qin, Ming Yang*, Cross-Modal Visual Relocalization in Prior LiDAR Maps Utilizing Intensity Textures, 2024 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS2024), Oct. 14-18, 2024, Abu Dhabi, UAE

申骐源，目前正在上海交通大学电子信息与电气工程学院攻读控制科学与工程博士学位。主要研究领域是自动驾驶系统的定位和SLAM。他目前的研究活动包括多模态地图构建，跨模态定位，以及用于视觉和激光雷达的几何校准。

杨明，上海交通大学电子信息与电气工程学院特聘教授，博士生导师，密西根学院党委书记，智能网联电动汽车创新中心主任，国家“万人计划”科技创新领军人才。现任中国自动化学会智能车工委会副主任和教工委副主任、中国人工智能学会理事和智能机器人专委会副主任、IEEE IROS-CPRB副主编、《IEEE Transactions on Intelligent Vehicles》和《IEEE Transactions on Intelligent Transportation Systems》期刊编委。长期从事无人车和智能机器人等方面教学与研究工作，近年来在国内外学术刊物上发表论文200余篇，获国家发明专利授权50余项，指导学生多次获得IEEE Intelligent Vehicle Symposium、中国智能机器人大会等国内外顶级会议优秀论文。作为负责人，先后获得上海市技术发明一等奖、上海市教学成果一等奖、教育部技术发明奖等奖项。研究方向为低速无人驾驶系统。

原文链接：https://mp.weixin.qq.com/s/gxcEjt9JbT6wcS_POdEOPw