基于语义图的 3D 点云地点识别
计算机视觉与模式识别
2020-08-27 v1 机器人学
摘要
由于难以生成对遮挡和视角变化具有鲁棒性的有效描述子，3D 点云的地点识别仍是一个开放问题。与大多数聚焦于提取原始点云的局部、全局和统计特征的现有方法不同，我们的方法着眼于语义层面，在对环境变化的鲁棒性方面更具优势。受人类通过识别语义物体并捕捉其关系来认知场景的启发，本文提出了一种新颖的基于语义图的地点识别方法。首先，我们通过保留原始点云的语义与拓扑信息，提出了一种新颖的点云场景语义图表示。由此，地点识别被建模为图匹配问题。随后我们设计了一个快速有效的图相似度网络来计算相似度。在 KITTI 数据集上的详尽评估表明，我们的方法对遮挡及视角变化具有鲁棒性，并以较大优势优于当前最优（SOTA）方法。我们的代码见：\url{https://github.com/kxhit/SG_PR}。
引用
@article{arxiv.2008.11459,
title = {Semantic Graph Based Place Recognition for 3D Point Clouds},
author = {Xin Kong and Xuemeng Yang and Guangyao Zhai and Xiangrui Zhao and Xianfang Zeng and Mengmeng Wang and Yong Liu and Wanlong Li and Feng Wen},
journal= {arXiv preprint arXiv:2008.11459},
year = {2020}
}
备注
8 pages. Accpeted by IROS-2020