I2P-Rec：通过鸟瞰图投影在大规模点云地图上识别图像
计算机视觉与模式识别
2023-08-16 v2
摘要
地点识别是自动驾驶汽车实现完全自主的一项重要技术，因为它能为在线定位算法提供初始猜测。尽管当前基于图像或点云的方法已取得令人满意的性能，但在大规模点云地图上定位图像仍是一个相当未被充分探索的问题。这一跨模态匹配任务具有挑战性，因为难以从图像和点云中提取一致的 descriptors。本文中，我们提出 I2P-Rec 方法，通过将跨模态数据转换为同一模态来解决该问题。具体而言，我们利用近期深度估计网络的成功从图像中恢复点云。随后我们将点云投影为鸟瞰图（BEV）图像。以 BEV 图像作为中间表示，我们用卷积神经网络提取全局特征，后接 NetVLAD 层以执行匹配。在 KITTI 数据集上评估的实验结果表明，仅用一小部分训练数据，当在单目与立体图像于点云地图上定位时，I2P-Rec 分别在 Top-1% 上取得超过 80% 和 90% 的召回率。我们进一步在由自动驾驶物流车采集的 1 km 轨迹数据集上评估 I2P-Rec，并显示其能很好地泛化至先前未见过的环境。
引用
@article{arxiv.2303.01043,
title = {I2P-Rec: Recognizing Images on Large-scale Point Cloud Maps through Bird's Eye View Projections},
author = {Shuhang Zheng and Yixuan Li and Zhu Yu and Beinan Yu and Si-Yuan Cao and Minhang Wang and Jintao Xu and Rui Ai and Weihao Gu and Lun Luo and Hui-Liang Shen},
journal= {arXiv preprint arXiv:2303.01043},
year = {2023}
}
备注
Accepted by IROS 2023