摘要：本文提出了一种基于GPU加速的Stein粒子滤波的6-DoF距离蒙特卡罗定位方法。为了更新大量的粒子，我们提出了一种基于高斯-牛顿迭代邻域粒子搜索的Stein变分梯度下降算法( SVGD )。该方法利用SVGD对具有梯度和邻域信息的粒子状态进行集体更新，提供了

【MegaParticles: Range-based 6-DoF Monte Carlo Localization with GPU-Accelerated Stein Particle Filter】

作者单位：日本国家先进工业科学技术研究院 (AIST)

文章链接：[2404.16370] MegaParticles: Range-based 6-DoF Mont...

项目主页：https://sites.google.com/view/meta-evolve

本文提出了一种基于GPU加速的Stein粒子滤波的6-DoF距离蒙特卡罗定位方法。为了更新大量的粒子，我们提出了一种基于高斯-牛顿迭代邻域粒子搜索的Stein变分梯度下降算法( SVGD )。该方法利用SVGD对具有梯度和邻域信息的粒子状态进行集体更新，提供了高效的粒子采样。对于高效的邻居粒子搜索，它使用局部敏感哈希，并随着时间的推移迭代更新每个粒子的邻居列表。然后使用邻居列表在邻居粒子图上传播粒子的后验概率。所提出的方法能够在单个GPU上实时评估一百万个粒子，并且能够在没有初始位姿估计的情况下实现鲁棒的位姿初始化和重定位。在实验中，所提出的方法对完全传感器遮挡表现出极强的鲁棒性，并且能够在没有任何先验信息的情况下精确定位传感器位置。

「小六的机器人AI圈」为机器人AI行业从业者提供从入门、学习、交流、求职、线下链接、合作、创业、行业内幕、咨询、答疑等一系列的服务。快人一步，步步领先！已沉淀6年，星球内部资料包括秘制视频课程、独家大咖采访及经验、项目对接、星主独家思考、同城线下交流会、求职招聘&笔面试题、学习打卡挑战、小组学习、最新前沿论文分享等等...

限时优惠立减 30元加入！送上千页独家答疑电子书！加入3天内不满意无条件退款。付款后务必联系客服领取权益~

来源：计算机视觉life