
要約
大規模な点群での再ローカライゼーションのため、我々はグローバルな場所認識と局所的な6自由度(6DoF)ポーズ微調整を統合する初めての手法を提案します。この目的のために、我々は3次元の局所特徴検出と記述を直接生の3次元ポイントから学習するSiameseネットワークを設計しました。このネットワークはFlexConvとSqueeze-and-Excitation (SE) を統合し、学習された局所記述子が多層的な幾何学的情報とチャネル間の関係を捉えることを保証します。3次元キーポイントの検出には、教師なしで局所記述子の識別性を予測します。効果的な注意機構を使用して、学習された局所記述子を直接集約することにより、グローバル記述子を生成します。これにより、単一の順方向パスで局所およびグローバルな3次元記述子が推論されます。様々なベンチマークにおける実験結果は、我々の手法が最新のアプローチと比較して、グローバルな点群検索と局所的な点群登録において競争力のある結果を得ていることを示しています。また、我々の3次元キーポイントの一貫性と堅牢性を検証するために、視覚SLAMシステムによって生成された点群の登録においてもファインチューニングを行わずに有利な性能を発揮することを示しています。コードおよび関連資料は以下のURLから入手可能です: https://vision.in.tum.de/research/vslam/dh3d.