基于伪全局融合范式的跨视角网络用于激光雷达地点识别
计算机视觉与模式识别
2025-08-13 v1
摘要
基于激光雷达的地点识别（LPR）是具身人工智能（AI）和自动驾驶中的一项关键任务，主要解决GPS拒止环境下的定位挑战并支持回环检测。现有方法将地点识别简化为基于欧氏距离的度量学习任务，忽略了特征空间的内在结构和类内方差。这种以欧氏为中心的公式化表述固有地限制了模型捕捉非线性数据分布的能力，导致在复杂环境和时变场景下性能欠佳。为应对这些挑战，我们提出了一种基于创新融合范式的新型跨视角网络。我们的框架引入了一种伪全局信息引导机制，协调多模态分支在统一的语义空间中进行特征学习。同时，我们提出了一种流形自适应与成对方差-局部性学习度量，该度量构建了一个对称正定（SPD）矩阵来计算马氏距离，取代了传统的欧氏距离度量。这种几何公式化表述使模型能够准确刻画内在数据分布，并捕捉特征空间内复杂的类间依赖关系。实验结果表明，所提算法取得了有竞争力的性能，尤其在复杂环境条件下表现卓越。
引用
@article{arxiv.2508.08917,
title = {A Pseudo Global Fusion Paradigm-Based Cross-View Network for LiDAR-Based Place Recognition},
author = {Jintao Cheng and Jiehao Luo and Xieyuanli Chen and Jin Wu and Rui Fan and Xiaoyu Tang and Wei Zhang},
journal= {arXiv preprint arXiv:2508.08917},
year = {2025}
}