STD: Stable Triangle Descriptor for 3D place recognition

要約

この作業では、3D 場所認識のための安定三角形記述子 (STD) と呼ばれる新しいグローバル記述子を提示します。
三角形の場合、その形状は辺の長さまたは夾角によって一意に決定されます。
さらに、三角形の形状は剛体変換に対して完全に不変です。
このプロパティに基づいて、最初に 3D ポイント クラウドからローカル キー ポイントを効率的に抽出し、これらのキー ポイントを三角形記述子にエンコードするアルゴリズムを設計します。
次に、点群間の記述子の辺の長さ (およびその他の情報) を一致させることにより、場所の認識が実現されます。
記述子一致ペアから得られた点対応は、幾何学的検証にさらに使用でき、場所認識の精度が大幅に向上します。
私たちの実験では、公開データセット (つまり、KITTI、NCLT、Complex-Urban) および自己収集したデータセット (
非反復スキャン ソリッドステート LiDAR を使用)。
すべての定量的な結果は、STD が対応するものよりも適応性が高く、精度が大幅に向上していることを示しています。
調査結果を共有し、コミュニティに貢献するために、GitHub: https://github.com/hku-mars/STD でコードをオープン ソース化しています。

要約(オリジナル)

In this work, we present a novel global descriptor termed stable triangle descriptor (STD) for 3D place recognition. For a triangle, its shape is uniquely determined by the length of the sides or included angles. Moreover, the shape of triangles is completely invariant to rigid transformations. Based on this property, we first design an algorithm to efficiently extract local key points from the 3D point cloud and encode these key points into triangular descriptors. Then, place recognition is achieved by matching the side lengths (and some other information) of the descriptors between point clouds. The point correspondence obtained from the descriptor matching pair can be further used in geometric verification, which greatly improves the accuracy of place recognition. In our experiments, we extensively compare our proposed system against other state-of-the-art systems (i.e., M2DP, Scan Context) on public datasets (i.e., KITTI, NCLT, and Complex-Urban) and our self-collected dataset (with a non-repetitive scanning solid-state LiDAR). All the quantitative results show that STD has stronger adaptability and a great improvement in precision over its counterparts. To share our findings and make contributions to the community, we open source our code on our GitHub: https://github.com/hku-mars/STD.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google