这就是我的点：面向大规模室外定位的紧凑以对象为中心的 LiDAR 位姿估计
计算机视觉与模式识别
2024-03-08 v1 机器人学
摘要
本文研究在 LiDAR 扫描上进行 3D 位姿估计，以极少的存储需求实现可扩展的建图与定位。我们通过将分割扫描的所有点聚类为语义对象，并仅用它们各自的质心和语义类来表示这些对象，从而实现这一目标。通过这种方式，每次 LiDAR 扫描被简化为一个由四元数向量组成的紧凑集合。这抽象掉了场景中的重要结构信息，而这对传统的配准方法至关重要。为了缓解这一问题，我们引入了一个基于自相关和互相关的对象匹配网络，以捕获实体间的几何与语义关系。相应的匹配使我们能够通过加权奇异值分解（SVD）和随机抽样一致（RANSAC）恢复扫描之间的相对变换。我们通过在 KITTI 数据集上配准不同视点获取的点云，以及在不同时间段在 KITTI 和 KITTI-360 之间进行定位，证明了这种表示足以进行度量定位。我们获得了可与最先进方法相媲美的精确度量估计，而表示大小几乎仅为一半，平均仅为 1.33 kB。
引用
@article{arxiv.2403.04755,
title = {That's My Point: Compact Object-centric LiDAR Pose Estimation for Large-scale Outdoor Localisation},
author = {Georgi Pramatarov and Matthew Gadd and Paul Newman and Daniele De Martini},
journal= {arXiv preprint arXiv:2403.04755},
year = {2024}
}
备注
Accepted for publication at the IEEE International Conference on Robotics and Automation (ICRA) 2024