基于切片 Transformer 与自监督学习的 3D 点云地图中 6DoF 定位
计算机视觉与模式识别
2023-08-15 v2 人工智能
机器学习
机器人学
摘要
精确定位对自动驾驶车辆至关重要。我们提出一种自监督学习方法，首次采用 Transformer 利用 LiDAR 数据完成室外定位任务。我们设计了一个预训练任务，通过重组 LiDAR 扫描的切片以利用其轴向特性。我们的模型称为 Slice Transformer，在处理切片时系统性地采用多头注意力机制。据我们所知，这是首次将多头注意力应用于室外点云。我们还引入了 Perth-WA 数据集，其提供了西澳大利亚珀斯市的大规模 LiDAR 地图，覆盖约 4km 区域。Perth-WA 提供了定位标注。所提定位方法在 Perth-WA 与 Appollo-SouthBay 数据集上进行了充分评估。我们还确立了自监督学习方法在 ModelNet40 与 ScanNN 数据集上常见下游任务——物体分类中的有效性。代码与 Perth-WA 数据将公开发布。
引用
@article{arxiv.2301.08957,
title = {Slice Transformer and Self-supervised Learning for 6DoF Localization in 3D Point Cloud Maps},
author = {Muhammad Ibrahim and Naveed Akhtar and Saeed Anwar and Michael Wise and Ajmal Mian},
journal= {arXiv preprint arXiv:2301.08957},
year = {2023}
}
备注
Accepted in IEEE International Conference on Robotics and Automation (ICRA), 2023