BVMatch：基于 Lidar 的利用鸟瞰图图像的地点识别
计算机视觉与模式识别
2025-06-26 v2
摘要
在大规模环境中使用 Lidar 进行地点识别由于点云数据的稀疏性而具有挑战性。本文提出 BVMatch，一个基于 Lidar 的帧到帧地点识别框架，能够估计 2D 相对位姿。基于地面区域可近似为平面的假设，我们将地面区域均匀离散化为网格，并将 3D Lidar 扫描投影为鸟瞰图（BV）图像。我们进一步使用一组 Log-Gabor 滤波器构建最大索引图（MIM），编码图像中结构的方向信息。我们从理论上分析 MIM 的方向特征，并引入一种称为鸟瞰图特征变换（BVFT）的新描述子。所提 BVFT 对 BV 图像的旋转与强度变化不敏感。利用 BVFT 描述子，我们将 Lidar 地点识别与位姿估计任务统一到 BVMatch 框架中。在三个大规模数据集上的实验表明，BVMatch 在地点识别召回率与位姿估计精度方面均优于当前最优（SOTA）方法。我们的方法源代码公开于 https://github.com/zjuluolun/BVMatch。
引用
@article{arxiv.2109.00317,
title = {BVMatch: Lidar-based Place Recognition Using Bird's-eye View Images},
author = {Lun Luo and Si-Yuan Cao and Bin Han and Hui-Liang Shen and Junwei Li},
journal= {arXiv preprint arXiv:2109.00317},
year = {2025}
}