APR: Online-Distanz-Registrierung von Punktwolken durch aggregierte Punktwolkenrekonstruktion

Für viele Anwendungen im Bereich der Fahrzeugsicherheit ist es von großer Bedeutung, LiDAR-Punktwolken, die von entfernten fahrenden Fahrzeugen erzeugt werden, genauer zu registrieren. Allerdings weisen solche Punktwolken bei demselben Objekt extrem unterschiedliche Punkt-Dichten und Sensor-Perspektiven auf, was die Registrierung dieser Punktwolken erheblich erschwert. In dieser Arbeit schlagen wir einen neuen Feature-Extraktionsrahmen vor, den wir APR nennen, für die Online-Registrierung entfernter Punktwolken. Insbesondere nutzt APR ein Autoencoder-Design, bei dem der Autoencoder eine dichtere aggregierte Punktwolke mit mehreren Frames anstelle der ursprünglichen einzelnen Eingabepunktwolke rekonstruiert. Unser Design zwingt den Encoder, Features basierend auf einer einzelnen Eingabepunktwolke zu extrahieren, die reichhaltige lokale Geometrieinformationen enthalten. Diese Features werden dann für die Online-Registrierung entfernter Punktwolken verwendet. Wir führen umfangreiche Experimente mit den neuesten (SOTA) Feature-Extraktern auf den KITTI- und nuScenes-Datensätzen durch. Die Ergebnisse zeigen, dass APR alle anderen Extrakter um ein großes Maß übertrifft und den durchschnittlichen Registrierungsrekall der SOTA-Extrakter um 7,1 % auf LoKITTI und um 4,6 % auf LoNuScenes erhöht. Der Quellcode ist unter https://github.com/liuQuan98/APR verfügbar.