EgoNN：基于点云的城市尺度 6DoF 重定位以自我为中心神经网络
计算机视觉与模式识别
2021-10-26 v1
摘要
本文提出一种基于深度神经网络的方法，用于从旋转式 3D LiDAR 获取的点云中提取全局与局部描述子。这些描述子可用于两阶段 6DoF 重定位。首先，通过在带地理标签的点云数据库中查找全局描述子最接近的候选者来检索粗略位置。然后，通过匹配局部描述子并使用如 RANSAC 等鲁棒估计器来估计查询点云与数据库点云之间的 6DoF 位姿。我们的方法具有基于稀疏体素化表示的简单全卷积架构。它能从数万点的大型点云中高效提取全局描述子及一组带局部描述子的关键点。我们的代码与预训练模型已在项目网站上公开。
引用
@article{arxiv.2110.12486,
title = {EgoNN: Egocentric Neural Network for Point Cloud Based 6DoF Relocalization at the City Scale},
author = {Jacek Komorowski and Monika Wysoczanska and Tomasz Trzcinski},
journal= {arXiv preprint arXiv:2110.12486},
year = {2021}
}