CrossLoc3D: 空中-地上 複合ソース 3D 場所認識

私たちはCrossLoc3Dという新しい3次元場所認識手法を提案します。この手法は、異なるソースからの大規模な点対応問題を解決します。異なる精度や距離、視点で深度センサによって捉えられた点集合データがクロスソースの点群データに相当します。私たちは、異なるソースで捉えられた点間の表現ギャップを考慮した3次元場所認識手法の開発における課題に対処しています。当手法は、マルチグレイン特徴量を利用し、最も目立つ特徴量に相当する畳み込みカーネルサイズを選択することでクロスソースデータを処理します。拡散モデルに着想を得て、当手法は異なるソースからの埋め込み空間を徐々に単一の正規空間へと移動させる新たな反復改善プロセスを使用します。これにより、より良い計量学習が可能となります。さらに、私たちはCS-Campus3Dという初の3次元空地クロスソースデータセットを提示します。これは、空中および地上LiDARスキャンから得られる点群データで構成されています。CS-Campus3Dの点群には表現ギャップや異なる視点、点密度、ノイズパターンなどの特徴があります。私たちは、CS-Campus3Dベンチマークにおいてトップ1平均リコール率で4.74% - 15.37%の向上を達成できることを示しました。また、Oxford RobotCarにおいても最先端の3次元場所認識手法と同等の性能を達成しています。コードとCS-Campus3Dベンチマークはgithub.com/rayguan97/crossloc3dで公開されます。