APR : Enregistrement en ligne de nuages de points distants par reconstruction agrégée de nuage de points

Pour de nombreuses applications de sécurité routière, il est d'une grande importance d'enregistrer avec précision les nuages de points LiDAR générés par des véhicules en mouvement à distance. Cependant, ces nuages de points présentent une densité de points et une perspective du capteur extrêmement variables sur le même objet, ce qui rend l'enregistrement de tels nuages de points très difficile. Dans cet article, nous proposons un nouveau cadre d'extraction de caractéristiques, appelé APR, pour l'enregistrement en ligne de nuages de points distants. Plus précisément, APR utilise une conception d'autoencodeur, où l'autoencodeur reconstruit un nuage de points agrégé plus dense à partir de plusieurs trames plutôt que d'une seule entrée originale. Notre conception contraint l'encodeur à extraire des caractéristiques riches en informations géométriques locales basées sur une seule entrée originale. Ces caractéristiques sont ensuite utilisées pour l'enregistrement en ligne de nuages de points distants. Nous menons des expériences approfondies contre les extracteurs de caractéristiques les plus avancés (SOTA) sur les jeux de données KITTI et nuScenes. Les résultats montrent que APR surpasse tous les autres extracteurs avec une marge importante, augmentant le rappel moyen d'enregistrement des extracteurs SOTA de 7,1 % sur LoKITTI et 4,6 % sur LoNuScenes. Le code est disponible à l'adresse suivante : https://github.com/liuQuan98/APR.