LinK3D: Linear Keypoints Representation for 3D LiDAR Point Cloud

要約

特徴抽出とマッチングは、2D または 3D オブジェクトの検出、認識、登録など、多くのロボット ビジョン タスクの基本部分です。
知られているように、2D 特徴抽出とマッチングはすでに大きな成功を収めています。
残念ながら、3D の分野では、現在の方法では、説明性が低く非効率であるため、ロボット ビジョン タスクにおける 3D LiDAR センサーの広範な適用をサポートできない可能性があります。
この制限に対処するために、私たちは新しい 3D 特徴表現方法、つまり LinK3D と呼ばれる 3D LiDAR 点群の線形キーポイント表現を提案します。
LinK3D の新規性は、LiDAR 点群の特性 (スパース性や複雑性など) を十分に考慮し、キーポイントをその堅牢な隣接キーポイントで表現し、キーポイントの記述に強力な制約を提供することにあります。
提案された LinK3D は 3 つの公開データセットで評価され、実験結果は私たちの方法が優れたマッチング性能を達成することを示しています。
さらに重要なことに、LinK3D は、一般的な回転 LiDAR センサーの 10 Hz でのセンサー フレーム レートよりも高速な、優れたリアルタイム パフォーマンスも示します。
LinK3D は、64 ビーム LiDAR によって収集された点群から特徴を抽出するのに平均 30 ミリ秒しかかかりません。また、Intel Core i7 プロセッサーを搭載したコンピューターで実行すると、2 つの LiDAR スキャンを照合するのにわずか約 20 ミリ秒しかかかりません。
さらに、私たちの方法はLiDARオドメトリタスクに拡張でき、優れた拡張性を示します。
私たちはメソッドの実装を https://github.com/YungeCui/LinK3D でリリースします。

要約(オリジナル)

Feature extraction and matching are the basic parts of many robotic vision tasks, such as 2D or 3D object detection, recognition, and registration. As is known, 2D feature extraction and matching have already achieved great success. Unfortunately, in the field of 3D, the current methods may fail to support the extensive application of 3D LiDAR sensors in robotic vision tasks due to their poor descriptiveness and inefficiency. To address this limitation, we propose a novel 3D feature representation method: Linear Keypoints representation for 3D LiDAR point cloud, called LinK3D. The novelty of LinK3D lies in that it fully considers the characteristics (such as the sparsity and complexity) of LiDAR point clouds and represents the keypoint with its robust neighbor keypoints, which provide strong constraints in the description of the keypoint. The proposed LinK3D has been evaluated on three public datasets, and the experimental results show that our method achieves great matching performance. More importantly, LinK3D also shows excellent real-time performance, faster than the sensor frame rate at 10 Hz of a typical rotating LiDAR sensor. LinK3D only takes an average of 30 milliseconds to extract features from the point cloud collected by a 64-beam LiDAR and takes merely about 20 milliseconds to match two LiDAR scans when executed on a computer with an Intel Core i7 processor. Moreover, our method can be extended to LiDAR odometry task, and shows good scalability. We release the implementation of our method at https://github.com/YungeCui/LinK3D.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google