A Coarse-to-Fine Place Recognition Approach using Attention-guided Descriptors and Overlap Estimation

要約

場所認識は、ロボット工学においては困難ですが重要なタスクです。
現在の記述ベースの方法は表現能力によって制限される可能性がありますが、ペアごとの類似性に基づく方法は徹底的な検索を必要とし、時間がかかります。
この論文では、これらの問題に対処するための、BEV (Bird’s Eye View) 特徴抽出、粗粒度のマッチング、および粒度の細かい検証を組み合わせた、粗いから細かいまでの新しいアプローチを紹介します。
粗い段階では、私たちのアプローチは注意誘導型ネットワークを利用して、注意誘導型記述子を生成します。
次に、類似性ベースの高速候補選択プロセスを採用して、最も類似した上位 K 候補を特定します。
ファインステージでは、絞り込まれた順位候補間の重複をペアごとに推定し、最終的な対戦を決定します。
KITTI および KITTI-360 データセットの実験結果は、私たちのアプローチが最先端の方法よりも優れていることを示しています。
コードは近々公開される予定です。

要約(オリジナル)

Place recognition is a challenging but crucial task in robotics. Current description-based methods may be limited by representation capabilities, while pairwise similarity-based methods require exhaustive searches, which is time-consuming. In this paper, we present a novel coarse-to-fine approach to address these problems, which combines BEV (Bird’s Eye View) feature extraction, coarse-grained matching and fine-grained verification. In the coarse stage, our approach utilizes an attention-guided network to generate attention-guided descriptors. We then employ a fast affinity-based candidate selection process to identify the Top-K most similar candidates. In the fine stage, we estimate pairwise overlap among the narrowed-down place candidates to determine the final match. Experimental results on the KITTI and KITTI-360 datasets demonstrate that our approach outperforms state-of-the-art methods. The code will be released publicly soon.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google