DRIP: 3D LiDAR 定位的区分旋转不变的杆状地标描述符

Jun, 2024

DRIP: 3D LiDAR 定位的区分旋转不变的杆状地标描述符

DRIP: Discriminative Rotation-Invariant Pole Landmark Descriptor for 3D LiDAR Localization

Dingrui Li, Dedi Guo, Kanji Tanaka

TL;DR本文提出了一种名为 “具有鉴别性的旋转不变极点” 的新方法，它增强了轻量级且具有鉴别性的极点的特征，在保持其轻量级的同时提高了其鉴别性。通过在极点中包括其主体线段以及周围感兴趣区域（ROI）来改进极点的鉴别性，同时描述了该 ROI 内的外观、几何和语义特征以提高极点的鉴别性。此外，引入了一种新型的旋转不变卷积神经网络来从输入点云中自动有效地提取旋转不变特征，还通过无监督学习训练一个极点字典，并将极点压缩成紧凑的极点词，从而在保持最佳自我定位性能的同时显著降低了实时成本。使用公开可用的 NCLT 数据集进行的蒙特卡洛定位实验表明，所提出的方法改进了现有极点定位框架的性能。

Abstract

In 3d lidar-based robot self-localization, pole-like landmarks are gaining popularity as lightweight and discriminative landmarks. This work introduces a novel approach called "→

3d lidar robot self-localization discriminative rotation-invariant poles convolutional neural network monte carlo localization

发现论文，激发创造

基于极柱地标的领域不变 3D 点云地图匹配中的检测与分类

本研究旨在探讨基于杆类地标的深度学习模型在视觉定位中的应用，其中考虑了极致稳定性下的杆类地标作为定位的一种可靠标志，并提出了两个关键模块：杆类地图匹配和杆类属性匹配，采取 RANSAC 地图匹配方法以在计算效率和精度之间达成良好的平衡。实验证明，与基线方法相比，杆类地标分类方法对视觉定位系统的提升更加明显。

May, 2023

用于地点识别的区分性视觉地标定位

本文提出了一种利用卷积神经网络提取特征并用地标定位网络确定区分性地标的方法，用于视觉地点识别问题，该方法在各种外观和视角变化方面均具有优异的性能。

Apr, 2019

地图辅助架座检测的标注

本文介绍了使用高清地图上的 2D 杆状特征对图像进行自动标注，并利用附加的激光雷达传感器对遮挡特征进行过滤，并演示了如何训练物体探测器来检测杆状特征。在自动生成的数据和手动标注的数据的比较中，我们验证了该方法的有效性。

Mar, 2024

VNI-Net：基于向量神经元的旋转不变描述子用于 LiDAR 地点识别

提出了一种使用 Vector Neurons Network (VNN) 实现 SO (3) 旋转不变性的新方法，通过提取邻近点的旋转等变特征并通过 VNN 将低维特征映射到高维空间，然后在旋转等变特征空间中计算欧氏距离和余弦距离作为旋转不变特征描述符，最后使用 GeM 池化将特征聚合成全局描述符，实验证明该方法在处理旋转问题时明显优于其他基准方法并与当前最先进的不考虑旋转问题的地点识别方法取得可比较的结果。

Aug, 2023

独特的三维本地深度描述符

提出了一种使用 PointNet-based 深度神经网络学习具有区分性的 3D 局部深度描述符 (DIPs) 的简单而有效的方法，该方法可用于在不需要初始对齐的情况下注册点云。

Sep, 2020

SuperLine3D：自监督 LiDAR 点云线段分割和描述

基于线特征的 LiDAR 点云点云配准方法通过 EdgeConv 标记线特征，并使用共享编码器层来训练两个分割和描述头，该方法在无初始变换输入的情况下验证了自己的有效性，对于各种计算机视觉任务具有广泛的应用价值。

Aug, 2022

基于数据驱动和模型驱动的面部关键点鲁棒检测

本文介绍了一种结合数据和模型的方法来完成面部关键点的检测，即先利用全卷积网络（Fully Convolutional Network, FCN）来生成脸部所有关键点的响应图，再利用 Point Distribution Model（PDM）生成初始面部形状，最后使用加权变体的正则化关键点均值漂移（RLMS）来微调面部形状，实验表明本文提出的方法在面部表情、头部姿态和部分遮挡等挑战性数据集上都能够取得最好的表现。

Nov, 2016

基于深度驱动几何提示学习的腹腔镜肝脏标志检测

为了在腹腔镜肝脏手术中提供直观指导信息，本文提出了一种基于深度驱动几何提示学习网络的方法（D2GPLand），该方法结合二维 - 三维融合技术，在 L3D 数据集上取得了最新的性能，具有 63.52％的 DICE 和 48.68％的 IoU 得分。

Jun, 2024

语义的重要性：基于激光雷达语义极点地图的语义粒子滤波定位深入研究

本文旨在利用具有地标形状的柱状物作为主导式定位地标，创造出一张准确的用于自主车辆或机器人的地图，即 Pole-map。通过利用柱状物的语义信息，在所有帧中检测和聚合检测到的柱状物，创造出一个多层语义 Pole-map，并提出了一个基于语义 Pole-map 的粒子滤波定位方案。经理论分析和公共数据集实验结果表明，本文所提出的基于语义的定位方法比不使用语义的方法在粒子滤波定位中表现更好。

May, 2023

基于 LiDAR 强度的鲁棒地点识别的本地描述符

该论文提出了一种将 LiDAR 的几何信息与强有力的外观信息相结合的方法，通过建立新的描述符来在地点识别中优于现有办法，并且利用概率性关键点投票算法，在大规模的建筑和非结构化环境中实现有效的全局定位实验。

Nov, 2018