RecNet：基于距离图像嵌入的可逆点云编码用于多机器人地图共享与重建
机器人学
2024-10-04 v2 计算机视觉与模式识别
摘要
在资源受限机器人领域以及多机器人系统对有效场景识别的需求背景下，本文提出了 RecNet，一种同时解决上述两项挑战的新方法。RecNet 方法的核心包含一个转换过程：将 3D 点云投影为距离图像，使用编码器-解码器框架对其进行压缩，随后重建距离图像并恢复原始点云。此外，RecNet 利用从该过程中提取的隐向量来高效完成场景识别任务。该方法不仅取得了可比的场景识别结果，还保持了紧凑的表示形式，适用于机器人之间共享以重建其集体地图。对 RecNet 的评估涵盖了一系列指标，包括场景识别性能、重建点云的结构相似性，以及仅共享隐向量带来的带宽传输优势。我们提出的方法通过公开数据集和现场实验进行了评估，证实了其有效性及在实际应用中的潜力。
引用
@article{arxiv.2402.02192,
title = {RecNet: An Invertible Point Cloud Encoding through Range Image Embeddings for Multi-Robot Map Sharing and Reconstruction},
author = {Nikolaos Stathoulopoulos and Mario A. V. Saucedo and Anton Koval and George Nikolakopoulos},
journal= {arXiv preprint arXiv:2402.02192},
year = {2024}
}
备注
Accepted for publication in the 2024 IEEE International Conference on Robotics and Automation in Yokohama, (ICRA24)