HiTPR：用于点云地点识别的层次化 Transformer
计算机视觉与模式识别
2022-04-13 v1
摘要
地点识别或回环检测是完整 SLAM 系统的核心组件之一。本文旨在同时增强局部邻域点的相关性与全局点间的上下文依赖，研究基于 transformer 的网络用于特征提取，并提出一种用于地点识别的层次化 Transformer（HiTPR）。HiTPR 由四个主要部分构成：点单元生成、短程 transformer（SRT）、长程 transformer（LRT）和全局描述子聚合。具体而言，点云最初通过下采样和最近邻搜索被划分为一系列小单元。在 SRT 中，我们为每个点单元提取局部特征；而在 LRT 中，我们在整个点云的所有点单元间建立全局依赖。在多个标准基准上的实验证明了 HiTPR 在平均召回率方面的优越性，例如在 Oxford RobotCar 数据集上 top 1% 达到 93.71%、top 1 达到 86.63%。
引用
@article{arxiv.2204.05481,
title = {HiTPR: Hierarchical Transformer for Place Recognition in Point Cloud},
author = {Zhixing Hou and Yan Yan and Chengzhong Xu and Hui Kong},
journal= {arXiv preprint arXiv:2204.05481},
year = {2022}
}
备注
Accepted paper in ICRA 2022