VOLoc：通过查询压缩激光雷达地图的视觉地点识别
计算机视觉与模式识别
2024-02-27 v1
摘要
城市级激光雷达地图的可用性使得利用移动相机进行城市级地点识别成为可能。然而，城市级激光雷达地图通常需要压缩以提高存储效率，这增加了在压缩激光雷达地图中进行直接视觉地点识别的难度。本文提出VOLoc，一种准确高效的视觉地点识别方法，利用几何相似性通过实时捕获的图像序列直接查询压缩的激光雷达地图。离线阶段，VOLoc使用几何保持压缩器(GPC)压缩激光雷达地图，该压缩是可逆的，这是下游6DoF位姿估计的关键要求。在线阶段，VOLoc提出在线几何恢复模块(GRM)，由在线视觉里程计(VO)和点云优化模块组成，从而在线恢复相机周围的局部场景结构以构建查询点云(QPC)。然后QPC由相同的GPC压缩，并通过基于注意力的聚合模块聚合为全局描述符，以在向量空间中查询压缩的激光雷达地图。还提出了一种迁移学习机制以提高聚合网络的准确性和泛化能力。大量评估表明，VOLoc提供的定位精度甚至优于激光雷达到激光雷达的地点识别，为利用低端移动相机压缩激光雷达地图树立了新纪录。代码公开于https://github.com/Master-cai/VOLoc。
引用
@article{arxiv.2402.15961,
title = {VOLoc: Visual Place Recognition by Querying Compressed Lidar Map},
author = {Xudong Cai and Yongcai Wang and Zhe Huang and Yu Shao and Deying Li},
journal= {arXiv preprint arXiv:2402.15961},
year = {2024}
}
备注
8 pages, 7figures, ICRA 2024