MinkLoc3D：基于点云的大规模地点识别
计算机视觉与模式识别
2020-11-10 v1
摘要
本文提出一种基于学习的方法，用于计算具有判别力的 3D 点云描述子以用于地点识别。现有方法（如 PointNetVLAD）基于无序点云表示。它们使用 PointNet 作为第一步处理以提取局部特征，随后聚合为全局描述子。PointNet 架构不擅长捕捉局部几何结构。因此，最先进的方法通过添加不同机制（如图卷积网络或使用手工特征）来增强原始 PointNet 架构以捕获局部上下文信息。我们提出一种名为 MinkLoc3D 的替代方法，基于稀疏体素化点云表示与稀疏 3D 卷积来计算具有判别力的 3D 点云描述子。所提方法具有简单高效的架构。在标准基准上的评估证明 MinkLoc3D 优于当前最先进水平。我们的代码已在项目网站公开：https://github.com/jac99/MinkLoc3D
引用
@article{arxiv.2011.04530,
title = {MinkLoc3D: Point Cloud Based Large-Scale Place Recognition},
author = {Jacek Komorowski},
journal= {arXiv preprint arXiv:2011.04530},
year = {2020}
}
备注
Winter Conference on Applications of Computer Vision (WACV) 2021. Project web site: https://github.com/jac99/MinkLoc3D