Object Scan Context: Object-centric Spatial Descriptor for Place Recognition within 3D Point Cloud Map

要約

SLAM アルゴリズムと場所認識テクノロジーの統合により、蓄積されたエラーを軽減し、自身を再位置特定する機能が強化されます。
ただし、点群ベースの場所認識の既存の方法は、主に LIDAR 中心の記述子のマッチングに依存しています。
これらの方法には 2 つの大きな欠点があります。1 つ目は、2 つの点群間の距離が大きい場合に場所認識を実行できないこと、2 つ目は、X 方向と Y 方向のオフセットを考慮せずに回転角度しか計算できないことです。
これらの制限を克服するために、メイン オブジェクトを中心に構築される新しいローカル記述子を提案します。
幾何学的手法を使用することで、相対的な姿勢を正確に計算できます。
この方法が前述の制限を克服できることを実証するために、理論的分析を提供しました。
さらに、KITTI オドメトリと KITTI360 について広範な実験を実施しました。これは、私たちが提案した方法が最先端の方法よりも大きな利点があることを示しています。

要約(オリジナル)

The integration of a SLAM algorithm with place recognition technology empowers it with the ability to mitigate accumulated errors and to relocalize itself. However, existing methods for point cloud-based place recognition predominantly rely on the matching of descriptors, which are mostly lidar-centric. These methods suffer from two major drawbacks: first, they cannot perform place recognition when the distance between two point clouds is significant, and second, they can only calculate the rotation angle without considering the offset in the X and Y directions. To overcome these limitations, we propose a novel local descriptor that is constructed around the Main Object. By using a geometric method, we can accurately calculate the relative pose. We have provided a theoretical analysis to demonstrate that this method can overcome the aforementioned limitations. Furthermore, we conducted extensive experiments on KITTI Odometry and KITTI360, which indicate that our proposed method has significant advantages over state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google