LinK3D: 面向3D激光雷达点云的线性关键点表示
计算机视觉与模式识别
2024-01-11 v3
摘要
特征提取与匹配是许多机器人视觉任务(如2D或3D目标检测、识别与配准)的基础部分。众所周知,2D特征提取与匹配已取得巨大成功。遗憾的是,在3D领域,现有方法因其描述性不足和效率低下,可能难以支撑3D激光雷达传感器在机器人视觉任务中的广泛应用。为克服此局限,我们提出一种新颖的3D特征表示方法:面向3D激光雷达点云的线性关键点表示,称为LinK3D。LinK3D的新颖之处在于充分考量了激光雷达点云的特性(如稀疏性与复杂性),并利用关键点的鲁棒邻域关键点来表示该关键点,从而在关键点描述中提供强约束。所提LinK3D已在三个公开数据集上评估,实验结果表明我们的方法取得了优异的匹配性能。更重要的是,LinK3D还展现出卓越的实时性能,快于典型旋转式激光雷达传感器10 Hz的传感器帧率。在配备Intel Core i7处理器的计算机上,LinK3D从64线激光雷达采集的点云中提取特征平均仅耗时30毫秒,匹配两帧激光雷达扫描仅需约20毫秒。此外,我们的方法可扩展至激光雷达里程计任务,并表现出良好的可扩展性。我们在https://github.com/YungeCui/LinK3D发布了方法的实现。
引用
@article{arxiv.2206.05927,
title = {LinK3D: Linear Keypoints Representation for 3D LiDAR Point Cloud},
author = {Yunge Cui and Yinlong Zhang and Jiahua Dong and Haibo Sun and Xieyuanli Chen and Feng Zhu},
journal= {arXiv preprint arXiv:2206.05927},
year = {2024}
}