用于激光雷达位置识别的位姿图注意力图神经网络
计算机视觉与模式识别
2023-11-27 v3 机器人学
摘要
本文提出一种称为 P-GAT 的位姿图注意力图神经网络，其在位置识别任务中比较时序与非时序子图之间的（关键）节点，而非当前 SOTA 位置识别方法中常见的帧到帧检索问题表述。P-GAT 利用位姿图 SLAM 的概念，使用由现有编码器生成的相邻点云描述符之间的最大空间与时间信息。借助内部与之间注意力以及图神经网络，P-GAT 将欧几里得空间中邻近位置捕获的点云及其在特征空间中的嵌入相关联。在大规模公开可用数据集上的实验结果表明，我们的方法在缺乏显著特征的场景以及训练与测试环境具有不同分布（域适应）时均有效。此外，与最先进方法的详尽比较显示了性能增益的提升。代码见 https://github.com/csiro-robotics/P-GAT。
引用
@article{arxiv.2309.00168,
title = {Pose-Graph Attentional Graph Neural Network for Lidar Place Recognition},
author = {Milad Ramezani and Liang Wang and Joshua Knights and Zhibin Li and Pauline Pounds and Peyman Moghadam},
journal= {arXiv preprint arXiv:2309.00168},
year = {2023}
}
备注
10 pages, 5 figures, 5 tables, Accepted for Publication in the IEEE Robotics and Automation Letters (RA-L)