学习用于3D LiDAR扫描的局部特征描述子
计算机视觉与模式识别
2018-09-21 v1 机器人学
摘要
鲁棒的数据关联几乎是每个SLAM系统的必要环节，而寻找对应点通常是扫描配准算法的预处理步骤。传统上，这类问题使用手工设计的特征描述子，但近期研究表明学习到的描述子具有更强的鲁棒性。本文中，我们提出一种用于3D LiDAR扫描的局部特征描述子。该描述子使用卷积神经网络（CNN）学习得到。我们提出的架构由用于学习特征描述子的孪生网络以及用于匹配描述子的度量学习网络组成。我们还提出了一种估计局部曲面块并获取真值对应关系的方法。在大量实验中，我们将所学特征描述子与现有3D局部描述子进行比较，并在匹配精度与计算时间的多项实验中报告了极具竞争力的结果。
引用
@article{arxiv.1809.07494,
title = {Learning a Local Feature Descriptor for 3D LiDAR Scans},
author = {Ayush Dewan and Tim Caselitz and Wolfram Burgard},
journal= {arXiv preprint arXiv:1809.07494},
year = {2018}
}
备注
Accepted for IROS-2018. Project details and code: http://deep3d-descriptor.informatik.uni-freiburg.de/