PSE-Match：一种基于并行语义嵌入的无视角地点识别方法
计算机视觉与模式识别
2021-08-31 v2 机器人学
摘要
自动驾驶汽车的精确定位对于自主性与驾驶安全至关重要，尤其在无高精度GPS可用的复杂城市街道和搜救地下环境中。然而，当前的里程计估计在缺乏鲁棒全局定位的长期导航中会带来漂移问题。主要挑战包括动态环境干扰下的场景差异，以及从不同视角对观测与物体布局变化的的有效感知。为应对这些挑战，我们提出PSE-Match，一种基于从3D点云模型中隔离语义属性的并行语义分析的无视角地点识别方法。与原始终点云相比，语义属性的观测差异更小。PSE-Match引入一个发散地点学习网络，通过球谐域并行捕获不同语义属性。使用现有基准数据集与两个实地采集数据集，我们的实验表明所提方法在top1检索下取得超过70%的平均召回率，在top10检索下取得超过95%的平均召回率。PSE-Match在有限训练数据集下也展现出明显的泛化能力。
引用
@article{arxiv.2108.00552,
title = {PSE-Match: A Viewpoint-free Place Recognition Method with Parallel Semantic Embedding},
author = {Peng Yin and Lingyun Xu and Ziyue Feng and Anton Egorov and Bing Li},
journal= {arXiv preprint arXiv:2108.00552},
year = {2021}
}
备注
12 pages, 12 figures, accepted by IEEE Transactions on Intelligent Transportation Systems