GSPR：基于3D高斯溅射的无人驾驶车多模态地点识别
计算机视觉与模式识别
2025-03-07 v2
摘要
地点识别是无人驾驶车在GPS不可用的环境中获取定位结果的关键组件。近年来，多模态地点识别方法受到越来越多的关注。它们通过利用不同模态器件的互补信息，克服了单模态传感器系统的局限性。然而，大多数现有方法通过特征级或描述子级融合来探索跨模态相关性，导致可解释性不足。相反，最近提出的3D高斯溅射提供了一种将不同模态整合到显式场景表示中的新视角。本文提出了基于3D高斯溅射的多模态地点识别网络，称为GSPR。它通过提出的多模态高斯溅射方法，显式地将多视角RGB图像和激光点云整合为时空统一的场景表示。设计了一个由3D图卷积和Transformer组成的网络，用于从高斯场景中提取时空特征和全局描述符，以实现地点识别。在三个数据集上的大规模评估表明，我们的方法能够有效利用多视角摄像头和激光雷达的互补优势，实现了SOTA水平的地点识别性能，同时保持良好的泛化能力。我们的开源代码将发布于https://github.com/QiZS-BIT/GSPR。
引用
@article{arxiv.2410.00299,
title = {GSPR: Multimodal Place Recognition Using 3D Gaussian Splatting for Autonomous Driving},
author = {Zhangshuo Qi and Junyi Ma and Jingyi Xu and Zijie Zhou and Luqi Cheng and Guangming Xiong},
journal= {arXiv preprint arXiv:2410.00299},
year = {2025}
}
备注
8 pages, 6 figures