一种用于联合学习三维局部特征与重叠估计的统一BEV模型
计算机视觉与模式识别
2023-03-15 v2
摘要
成对点云配准是许多应用中的关键任务，其严重依赖于从两个点云中找到正确对应关系。然而，输入点云间的低重叠导致配准容易失败，引发错误的重叠与错配的对应关系，尤其在非重叠区域包含相似结构的场景中。本文提出一种统一的鸟瞰图（BEV）模型，用于联合学习三维局部特征与重叠估计，以完成成对配准与回环检测。特征描述由基于BEV表示的稀疏类UNet网络执行，三维关键点通过用于二维位置的检测头和用于高度的回归头提取。对于重叠检测，应用交叉注意力模块交互输入点云的上下文信息，随后由分类头估计重叠区域。我们在KITTI数据集与Apollo-SouthBay数据集上广泛评估了我们的统一模型。实验表明，我们的方法在重叠估计上显著优于现有方法，尤其在小幅重叠场景中。它还在两个数据集上以平移与旋转误差衡量取得了顶尖的配准性能。
引用
@article{arxiv.2302.14511,
title = {A Unified BEV Model for Joint Learning of 3D Local Features and Overlap Estimation},
author = {Lin Li and Wendong Ding and Yongkun Wen and Yufei Liang and Yong Liu and Guowei Wan},
journal= {arXiv preprint arXiv:2302.14511},
year = {2023}
}
备注
8 pages. Accepted by ICRA-2023