CrossLoc3D：空地跨源三维地点识别
计算机视觉与模式识别
2023-10-03 v2
摘要
我们提出 CrossLoc3D，一种新颖的三维地点识别方法，用于解决跨源设置下的大规模点匹配问题。跨源点云数据对应于由具有不同精度的深度传感器或从不同距离和视角捕获的点集。我们针对开发能够考虑不同源捕获点之间表示差距的三维地点识别方法所面临的挑战予以应对。我们的方法通过利用多粒度特征并选择与最显著特征相对应的卷积核大小来处理跨源数据。受扩散模型启发，我们的方法使用一种新颖的迭代细化过程，逐步将来自不同源的嵌入空间偏移至单一规范空间，以实现更好的度量学习。此外，我们提出 CS-Campus3D，首个由空地 LiDAR 扫描点云数据组成的 aerial-ground 跨源三维数据集。CS-Campus3D 中的点云具有表示差距以及其他特征，如不同视角、点密度和噪声模式。我们表明，我们的 CrossLoc3D 算法在我们的 CS-Campus3D 基准上 top 1 平均召回率提升了 4.74% - 15.37%，并在 Oxford RobotCar 上取得了与最先进三维地点识别方法相当的性能。代码与 CS-CAMPUS3D 基准将发布于 github.com/rayguan97/crossloc3d。
引用
@article{arxiv.2303.17778,
title = {CrossLoc3D: Aerial-Ground Cross-Source 3D Place Recognition},
author = {Tianrui Guan and Aswath Muthuselvam and Montana Hoover and Xijun Wang and Jing Liang and Adarsh Jagan Sathyamoorthy and Damon Conover and Dinesh Manocha},
journal= {arXiv preprint arXiv:2303.17778},
year = {2023}
}