摘要
针对大规模点云中的重定位问题，我们提出了一种首次将全局位置识别和局部六自由度（6DoF）姿态精炼统一的方法。为此，我们设计了一个Siamese网络，该网络能够直接从原始3D点中联合学习3D局部特征检测和描述。该网络集成了FlexConv和Squeeze-and-Excitation（SE）模块，以确保所学习的局部描述符能够捕捉多层级几何信息和通道间关系。为了检测3D关键点，我们以无监督的方式预测局部描述符的判别能力。通过有效的注意力机制直接聚合所学的局部描述符来生成全局描述符。这样，局部和全局3D描述符可以在一次前向传播中推断出来。在各种基准测试上的实验表明，我们的方法在全局点云检索和局部点云配准方面均取得了与现有最先进方法相当的结果。为了验证我们3D关键点的泛化能力和鲁棒性，我们还展示了在未对由视觉SLAM系统生成的点云进行微调的情况下，我们的方法同样表现出色。相关代码和材料可访问 https://vision.in.tum.de/research/vslam/dh3d 获取。