以下內(nèi)容來自小六的機(jī)器人SLAM學(xué)習(xí)圈知識(shí)星球每日更新內(nèi)容

點(diǎn)擊領(lǐng)取學(xué)習(xí)資料 → 機(jī)器人SLAM學(xué)習(xí)資料大禮包

#論文# LinK3D: Linear Keypoints Representation for 3D LiDAR Point Cloud

論文地址：[2206.05927] LinK3D: Linear Keypoints Representati...

作者單位：中國(guó)科學(xué)院沈陽(yáng)自動(dòng)化研究所

?特征提取和匹配是許多計(jì)算機(jī)視覺任務(wù)的基本部分，例如二維或三維物體檢測(cè)、識(shí)別和配準(zhǔn)。眾所周知，二維特征提取和匹配已經(jīng)取得了很大的成功。遺憾的是，在3D領(lǐng)域，由于描述能力差和效率低，目前的方法無(wú)法支持3D激光雷達(dá)傳感器在視覺任務(wù)中的廣泛應(yīng)用。為了解決這一局限性，我們提出了一種新的3D特征表示方法：用于3D LiDAR點(diǎn)云的線性關(guān)鍵點(diǎn)表示，稱為L(zhǎng)inK3D。LinK3D的新穎之處在于它充分考慮了LiDAR點(diǎn)云的特點(diǎn)（如場(chǎng)景的稀疏性、復(fù)雜性），并用其健壯的相鄰關(guān)鍵點(diǎn)來表示當(dāng)前關(guān)鍵點(diǎn)，這對(duì)當(dāng)前關(guān)鍵點(diǎn)的描述提供了強(qiáng)大的約束。提出的LinK3D已在兩個(gè)公共數(shù)據(jù)集（即KITTI和Steven VLP16）上進(jìn)行了評(píng)估，實(shí)驗(yàn)結(jié)果表明，我們的方法在匹配性能方面大大優(yōu)于現(xiàn)有技術(shù)。更重要的是，LinK3D顯示了出色的實(shí)時(shí)性能（基于LiDAR的10 Hz頻率）。LinK3D從64線激光雷達(dá)采集的點(diǎn)云中提取特征平均只需32毫秒，在配備Intel Core i7@2.2 GHz處理器的筆記本電腦中執(zhí)行時(shí)，匹配兩次LiDAR掃描只需約8毫秒。此外，我們的方法可以廣泛擴(kuò)展到各種三維視覺應(yīng)用。在本文中，我們將LinK3D應(yīng)用于3D配準(zhǔn)、LiDAR里程計(jì)和場(chǎng)景識(shí)別任務(wù)，并與最先進(jìn)的方法相比取得了具有競(jìng)爭(zhēng)力的結(jié)果。

?我們的主要貢獻(xiàn)如下： 1、 提出了一種新穎完整的三維激光雷達(dá)點(diǎn)云特征提取方法，包括關(guān)鍵點(diǎn)提取、特征描述和匹配。與最先進(jìn)的3D特征相比，我們的方法在匹配和運(yùn)行時(shí)取得了顯著進(jìn)步，并且在稀疏的LiDAR點(diǎn)云中更加可靠。 2、該方法可以潛在地應(yīng)用于各種三維視覺任務(wù)。本文將LinK3D應(yīng)用于3D LiDAR SLAM中的3D配準(zhǔn)、LiDAR里程計(jì)和場(chǎng)景識(shí)別。與最先進(jìn)的方法相比，我們的方法在這些任務(wù)中取得了具有競(jìng)爭(zhēng)力的結(jié)果。 3、所提出的方法顯示了令人印象深刻的效率，這使得我們的方法能夠?qū)崟r(shí)應(yīng)用。我們的方法提取LinK3D特征平均需要32毫秒，匹配兩次LiDAR掃描的描述符需要8毫秒，用于放置識(shí)別任務(wù)時(shí)，檢索機(jī)器人的重新訪問位置需要13毫秒。

以上內(nèi)容來自小六的機(jī)器人SLAM學(xué)習(xí)圈知識(shí)星球每日更新內(nèi)容