CSCPR：基于跨源-上下文的室内 RGB-D 地点识别
计算机视觉与模式识别
2025-03-06 v3 机器人学
摘要
我们扩展了之前的工作 PoCo，提出了新的算法 Cross-Source-Context Place Recognition（CSCPR），用于 RGB-D 室内地点识别，将全局检索和重排序集成到端到端模型中，保持使用 Context-of-Clusters（CoCs）进行特征处理的一致性。不同于侧重 RGB 领域进行地点识别重排序的先前方法，CSCPR 旨在处理 RGB-D 数据。我们应用 CoCs 处理跨源和跨尺度的 RGB-D 点云，引入两个新模块进行重排序：自上下文聚类（SCC）和跨源上下文聚类（CSCC），分别增强特征表示并基于局部特征增强查询-数据库对的匹配。我们还发布了两个新数据集 ScanNetIPR 和 ARKitIPR。实验表明，CSCPR 在这些数据集上相较于最先进的模型显著优异，ScanNet-PR 数据集 Recall@1 提升至少 29.27%，在新数据集中提升 43.24%。代码和数据集将公开 release。
关键词
引用
@article{arxiv.2407.17457,
title = {CSCPR: Cross-Source-Context Indoor RGB-D Place Recognition},
author = {Jing Liang and Zhuo Deng and Zheming Zhou and Min Sun and Omid Ghasemalizadeh and Cheng-Hao Kuo and Arnie Sen and Dinesh Manocha},
journal= {arXiv preprint arXiv:2407.17457},
year = {2025}
}