MinkUNeXt-SI：融合球坐标与 LiDAR 强度的点云地点识别增强
机器学习
2025-05-26 v1 人工智能
计算机视觉与模式识别
机器人学
摘要
在自主导航系统中，地点识别问题的求解对其安全运行至关重要。但这一求解并非易事，因为其必须在场景的任何变化下保持准确，例如季节变化和不同天气条件，并且必须能够泛化到其他环境。本文提出我们的方法 MinkUNeXt-SI，该方法从 LiDAR 点云出发，对输入数据进行预处理，获取每个点的球坐标及归一化到 [0, 1] 范围内的强度值，并生成鲁棒的地点识别描述符。为此，采用了一种结合 Minkowski 卷积与带跳跃连接的 U-net 架构的深度学习方法。MinkUNeXt-SI 的实验结果表明，该方法达到了最先进的性能并超越了现有方法，同时也能满意地泛化到其他数据集。此外，我们展示了自定义数据集的采集及其在评估我们方案中的应用，该方案同样取得了出色的结果。为保证可复现性，我们方案的代码和数据集运行结果均公开发布。
引用
@article{arxiv.2505.17591,
title = {MinkUNeXt-SI: Improving point cloud-based place recognition including spherical coordinates and LiDAR intensity},
author = {Judith Vilella-Cantos and Juan José Cabrera and Luis Payá and Mónica Ballesta and David Valiente},
journal= {arXiv preprint arXiv:2505.17591},
year = {2025}
}