NDT-Transformer：基于正态分布变换表示的大规模三维点云定位
机器人学
2021-03-24 v1 计算机视觉与模式识别
摘要
基于三维点云的位置识别在 GPS 受限环境下的自动驾驶中需求极高，并作为基于激光雷达的 SLAM 系统的基本组件（即回环检测）。本文提出一种名为 NDT-Transformer 的新方法，用于利用三维点云进行实时大规模位置识别。具体而言，采用三维正态分布变换（NDT）表示将原始稠密三维点云压缩为概率分布（NDT 单元），以提供几何形状描述。随后，一种新颖的 NDT-Transformer 网络从一组三维 NDT 单元表示中学习全局描述子。得益于 NDT 表示与 NDT-Transformer 网络，学习到的全局描述子同时富含几何与上下文信息。最后，利用查询-数据库进行描述子检索以实现位置识别。与最先进的方法相比，所提方法在 Oxford Robotcar 基准上平均 top 1 召回率提升 7.52%，平均 top 1% 召回率提升 2.73%。
引用
@article{arxiv.2103.12292,
title = {NDT-Transformer: Large-Scale 3D Point Cloud Localisation using the Normal Distribution Transform Representation},
author = {Zhicheng Zhou and Cheng Zhao and Daniel Adolfsson and Songzhi Su and Yang Gao and Tom Duckett and Li Sun},
journal= {arXiv preprint arXiv:2103.12292},
year = {2021}
}
备注
To be appear in ICRA2021