AdaFusion：用于地点识别的具有自适应权重的视觉-激光雷达融合方法
计算机视觉与模式识别
2021-11-24 v1 机器人学
摘要
近年来，地点识别在城市道路、大型建筑以及室内外混合场所等多种环境中应用日益广泛。然而，由于不同传感器的局限性以及环境外观的变化，该任务仍具挑战性。现有工作仅考虑使用单一传感器，或简单组合不同传感器，忽视了不同传感器的重要性随环境变化而改变的事实。本文提出一种名为 AdaFusion 的自适应加权视觉-激光雷达融合方法，以学习图像与点云特征的权重。据此，这两种模态的特征根据当前环境状况贡献不同。权重的习得由网络的注意力分支实现，随后与多模态特征提取分支融合。此外，为更好利用图像与点云间的潜在关联，我们设计了一种两阶段融合方法来结合 2D 与 3D 注意力。我们的工作在两个公开数据集上进行了测试，实验表明自适应权重有助于提升识别精度与系统对多变环境的鲁棒性。
引用
@article{arxiv.2111.11739,
title = {AdaFusion: Visual-LiDAR Fusion with Adaptive Weights for Place Recognition},
author = {Haowen Lai and Peng Yin and Sebastian Scherer},
journal= {arXiv preprint arXiv:2111.11739},
year = {2021}
}
备注
8 pages, 7 figures