基于激光点云语义信息的闭环检测

GOSMatch: Graph-of-Semantics Matching for Detecting Loop Closures in 3D LiDAR data

摘要

利用激光雷达的点云信息检测闭环是一件很不容易的事情，因为激光雷达的数据是不稳定的。本文提出了一种叫做GOSMatch的方法依靠语义级别的信息做场景重识别，本文的方法利用语义物体之间的空间关系产生新颖的描述符。本文还设计了一种由粗到细的测量来有效的找到闭环。此外，一旦确定找到了闭环帧，系统就会给出准确的六自由度的位姿估计结果，本文在kitti做了测试取得了不错的效果。

介绍

当前传统的激光闭环检测方法是利用局部的特征点或者其他全局的特征，这种方法太注意局部的细节而忽略了更高层的特征约束。本文提出了一种利用语义信息来检测闭环的方法。本文利用语义信息构建了局部和全局的描述子。全局的描述子来高效的查找最相似的前K个闭环候选帧，局部的描述子用来计算当前帧和闭环候选帧之间的距离。本文的主要贡献如下：

提出了GOSMatch，一个在城市道路场景下仅利用雷达观测的基于物体级语义信息来可靠场景识别的方法。
通过编码语义物体之间的空间关系来构建全局和局部描述符以高效的进行两步闭环搜索。
开源了GOSMatch到https://github.com/zhuyachen/GOSMatch，但是代码是m文件

相关工作

A.传统的基于雷达的场景识别

从点云中随机选择特征点提取区域形状描述符。随后，使用投票策略在特征点中找到最近邻。

基于激光点云语义信息的闭环检测相关推荐

基于激光雷达点云的3D目标检测算法论文总结
作者丨eyesighting@知乎来源丨https://zhuanlan.zhihu.com/p/508859024 编辑丨3D视觉工坊前言过去很多年激光雷达的车规标准和高昂价格是阻碍其量产落 ...
目标检测YOLO实战应用案例100讲-基于激光雷达点云的三维目标检测算法研究
目录基于激光雷达点云的三维目标检测算法研究基于投影图的方法基于点云的多模态融合方法
【论文笔记】2019 基于激光点云pole检测的重定位方法 Long-Term Urban Vehicle Localization Using Pole Landmarks
https://github.com/acschaefer/polex 本文提出了一个基于激光三维点云的二维车辆定位系统,其根据道路场景中的 "pole landmarks" (极 ...
动手学无人驾驶（4）：基于激光雷达点云数据3D目标检测
上一篇文章<动手学无人驾驶(3):基于激光雷达3D多目标追踪>介绍了3D多目标追踪,多目标追踪里使用的传感器数据为激光雷达Lidar检测到的数据,本文就介绍如何基于激光雷达点云数据进行3D ...
基于激光点云数据自动化实现道路标线分类、提取及矢量化
Automatic Road Markings Extraction Classification And Vectorization Mobile From Laser Scanning Data ...
基于激光雷达点云的3D目标检测算法—端到端多视图融合
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达作者丨Rubicon007@知乎来源丨https://zhuanlan.zhihu.com/p/44 ...
SemSegMap ：基于3D点云语义信息的定位
点云PCL免费知识星球,点云论文速读. 文章:SemSegMap - 3D Segment-Based Semantic Localization 作者:Andrei Cramariuc, Flori ...
Lidar-RCNN：基于稀疏点云的3D目标检测网络（CVPR2021）
作者丨柒柒@知乎来源丨https://zhuanlan.zhihu.com/p/390322842 编辑丨3D视觉工坊论文标题:LiDAR R-CNN: An Efficient and Univ ...
快速完整的基于点云闭环检测的激光SLAM系统
我原来总结过LOAM_Livox,这篇文章主要是解决LOAM在长时间运行的时累计误差的问题.本文提出的方法计算关键帧的2D直方图,局部地图patch,并使用2D直方图的归一化互相关(normalize ...

基于激光点云语义信息的闭环检测

GOSMatch: Graph-of-Semantics Matching for Detecting Loop Closures in 3D LiDAR data

基于激光点云语义信息的闭环检测相关推荐

最新文章

热门文章