SphereVLAD++：基于注意力与信号增强的视角不变描述符
计算机视觉与模式识别
2022-10-04 v2 机器人学
摘要
基于激光雷达的定位方法是最后一公里配送和自动驾驶等大规模导航任务的基础模块，其定位鲁棒性高度依赖于视角和三维特征提取。我们之前的工作提供了一种视角不变描述符来处理视角差异；然而，该全局描述符在无监督聚类中面临信噪比低的问题，降低了可区分特征的提取能力。本文中，我们开发了 SphereVLAD++，一种注意力增强的视角不变地点识别方法。SphereVLAD++ 将点云投影到每个独特区域的球面视角上，并捕捉局部特征与其对全局三维几何分布依赖性之间的上下文联系。作为回报，全局描述符内的聚类元素以局部和全局几何为条件，并支持 SphereVLAD 原有的视角不变特性。在实验中，我们在公开的 KITTI360 数据集和自采集的匹兹堡城市数据集上评估了 SphereVLAD++ 的定位性能。实验结果表明，在微小甚至完全相反的视角差异下，SphereVLAD++ 优于所有相关的最先进三维地点识别方法，其成功检索率分别比第二名高出 0.69% 和 15.81%。低计算需求和高时间效率也有助于其在低成本机器人上的应用。
引用
@article{arxiv.2207.02958,
title = {SphereVLAD++: Attention-based and Signal-enhanced Viewpoint Invariant Descriptor},
author = {Shiqi Zhao and Peng Yin and Ge Yi and Sebastian Scherer},
journal= {arXiv preprint arXiv:2207.02958},
year = {2022}
}
备注
8 pages, 7 figures, IEEE Robotics and Automation Letters