HPointLoc：基于合成 RGB-D 图像的室内地点识别
计算机视觉与模式识别
2023-01-02 v1 人工智能
摘要
我们提出一个名为 HPointLoc 的新数据集，专门设计用于探索室内环境下视觉地点识别以及同步定位与建图中的回环检测能力。当搭载板载 RGB-D 相机的机器人能以不同角度驶过同一地点（“Point”）时，回环检测子任务尤为相关。该数据集基于流行的 Habitat 模拟器，可借助自有传感器数据与 Matterport3D 等开放数据集生成逼真室内场景。为研究在 HPointLoc 数据集上解决地点识别问题的主要阶段，我们提出一种名为 PNTR 的新模块化方法。它首先使用 Patch-NetVLAD 方法进行图像检索，随后提取关键点并使用 R2D2、LoFTR 或 SuperPoint 与 SuperGlue 进行匹配，最后通过 TEASER++ 执行相机位姿优化步骤。此类地点识别问题的解决方案在已有文献中尚未被研究。PNTR 方法在 HPointLoc 数据集上展现出最佳质量指标，并在无人车定位系统中具有实际应用的较高潜力。所提出的数据集与框架已公开可用：https://github.com/metra4ok/HPointLoc。
引用
@article{arxiv.2212.14649,
title = {HPointLoc: Point-based Indoor Place Recognition using Synthetic RGB-D Images},
author = {Dmitry Yudin and Yaroslav Solomentsev and Ruslan Musaev and Aleksei Staroverov and Aleksandr I. Panov},
journal= {arXiv preprint arXiv:2212.14649},
year = {2023}
}
备注
Accepted for publishing in proceedings of the 29th International Conference on Neural Information Processing (ICONIP 2022)