CMSG：面向自动驾驶车辆重定位的跨媒体语义图特征匹配算法
计算机视觉与模式识别
2023-05-16 v1 人工智能
摘要
重定位是基于地图的定位算法的基础。相机与 LiDAR 基于地图的方法因其在不同场景下的鲁棒性而广泛应用。通常，使用同一传感器进行建图与定位具有更高精度，因为同类型数据间的特征匹配更为容易。然而，由于相机缺乏 3D 信息且 LiDAR 成本高昂，结合实时图像数据与激光雷达地图的跨媒体方法正在发展。尽管不同媒体间的特征匹配具有挑战性，我们认为跨媒体是自动驾驶车辆重定位的趋势，因其低成本且精度可与基于同传感器的方法相媲美。本文提出 CMSG，一种面向自动驾驶车辆重定位任务的新型跨媒体算法。利用语义特征以更好地解释点云与图像特征之间的关联。此外，引入抽象语义图节点，并集成图网络架构以更好地提取语义特征的相似性。在 KITTI 里程计数据集上进行了验证实验。结果表明，在 NVIDIA 1080 Ti GPU 上以 25 FPS 的速度，CMSG 可达到与当前单传感器方法相当甚至更优的精度。
引用
@article{arxiv.2305.08318,
title = {CMSG Cross-Media Semantic-Graph Feature Matching Algorithm for Autonomous Vehicle Relocalization},
author = {Shuhang Tan and Hengyu Liu and Zhiling Wang},
journal= {arXiv preprint arXiv:2305.08318},
year = {2023}
}