PointNetVLAD：基于深度点云的大规模地点识别检索
计算机视觉与模式识别
2018-05-17 v3
摘要
与基于图像的对应方法不同，基于点云的地点识别检索一直是一个未被探索且未解决的问题。这很大程度上源于难以从点云中提取局部特征描述子，进而编码为用于检索任务的全局描述子。在本文中，我们提出 PointNetVLAD，借助深度网络近期的成功来解决基于点云的地点识别检索问题。具体而言，我们的 PointNetVLAD 是对现有 PointNet 和 NetVLAD 的组合/修改，允许端到端训练和推理以从给定 3D 点云中提取全局描述子。此外，我们提出“惰性三元组与四元组”损失函数，可获得更具判别性和泛化性的全局描述子以应对检索任务。我们创建了基于点云的地点识别检索基准数据集，在这些数据集上的实验结果显示了我们的 PointNetVLAD 的可行性。我们的代码和基准数据集下载链接可在我们的项目网站获取。http://github.com/mikacuy/pointnetvlad/
引用
@article{arxiv.1804.03492,
title = {PointNetVLAD: Deep Point Cloud Based Retrieval for Large-Scale Place Recognition},
author = {Mikaela Angelina Uy and Gim Hee Lee},
journal= {arXiv preprint arXiv:1804.03492},
year = {2018}
}
备注
CVPR 2018, 11 pages, 10 figures