TransLoc3D:基于自适应感受野的点云大规模地点识别
计算机视觉与模式识别
2022-10-13 v3
摘要
地点识别在自动驾驶与机器人导航领域起着至关重要的作用。基于点云的方法主要聚焦于从点云的局部特征中提取全局描述子。尽管已取得可喜结果,现有方案忽视了以下可能导致性能下降的方面:(1) 室外场景中物体尺寸差异巨大;(2) 与地点识别无关的移动物体;(3) 长距离上下文信息。我们阐明上述方面给提取判别性全局描述子带来了挑战。为缓解这些问题,我们提出一种名为 TransLoc3D 的新方法,利用带点级重加权方案的自适应感受野来处理不同尺寸的物体并抑制噪声,并采用外部 transformer 来捕获长距离特征依赖。与采用固定且有限感受野的现有架构不同,我们的方法受益于尺寸自适应感受野以及全局上下文信息,并在流行数据集上以显著提升优于当前最先进水平。
引用
@article{arxiv.2105.11605,
title = {TransLoc3D : Point Cloud based Large-scale Place Recognition using Adaptive Receptive Fields},
author = {Tian-Xing Xu and Yuan-Chen Guo and Zhiqiang Li and Ge Yu and Yu-Kun Lai and Song-Hai Zhang},
journal= {arXiv preprint arXiv:2105.11605},
year = {2022}
}
备注
Appeared in Computational Visual Media 2022, poster. Communications in Information and Systems. Accepted