基于点云的物体重识别
计算机视觉与模式识别
2023-08-15 v3 机器学习
摘要
基于图像的物体重识别在图像检索（监控、零售分析等）和多目标跟踪（自动驾驶、机器人等）等应用领域中发挥着关键作用。然而，额外或专门通过深度传感器感知世界的系统正变得越来越普遍，却缺乏相应的物体重识别方法。在这项工作中，我们通过首次对基于点云的物体重识别进行大规模研究，并确立其相对于图像重识别的性能，填补了这一空白。为了实现这样的研究，我们创建了两个具有配对图像和 LiDAR 观测数据的大规模重识别数据集，并提出了一种轻量级匹配头，可拼接到任何集合或序列处理骨干网络（例如 PointNet 或 ViT）上，为两种模态构建了一系列可比较的物体重识别网络。以孪生方式运行，我们提出的点云重识别网络可以实时（ Hz）进行数千次成对比较。我们的研究结果表明，它们的性能随着传感器分辨率的提高而提升，并在观测足够密集时接近图像重识别的性能。我们在最大规模下训练的最强网络对于刚性物体实现了超过 的重识别准确率，对于可变形物体实现了 的准确率（无需任何显式的骨架归一化）。据我们所知，我们是首个研究基于真实点云观测的物体重识别的团队。
引用
@article{arxiv.2305.10210,
title = {Object Re-Identification from Point Clouds},
author = {Benjamin Thérien and Chengjie Huang and Adrian Chow and Krzysztof Czarnecki},
journal= {arXiv preprint arXiv:2305.10210},
year = {2023}
}