混合体素点地点识别网络

跨场景泛化领先

融合体素局部细节与点云全局表征，交互式特征融合增强描述子区分度，提升未见环境的泛化能力。

Chen, Lineng · 孔慧 · Huan, Wang · 杨万扣 · Jing, Lou · Xu, Fenglei · 任明武

IEEE Transactions on Intelligent Vehicles 2023

技术优势

跨场景更稳

混合体素与点云特征，体素分支对局部噪声鲁棒，点云分支保留完整信息，交互融合增强描述子区分度，从而提升对未见环境的适应能力。

识别更准

提出的正排序引导三元组损失同时考虑欧氏空间和特征空间中不同锚-正样本对的距离排序一致性，训练出的描述子更具区分性，从而提升地点识别精度。

注意力更轻

提出轻量级分组高效注意力机制捕获点云特征的全局表示，降低计算开销的同时保持性能，适合大规模场景实时应用。

应用场景

• 自动驾驶定位：提供跨场景稳定的地点识别，支持自动驾驶在陌生环境中的重定位。
• 无人机重定位：利用点云特征鲁棒性，帮助无人机在 GPS 拒止环境下精准重定位。
• 具身智能导航：提升未见环境泛化能力，为机器人在新场景中的自主导航提供可靠地点识别。
• 大规模环境建图：体素与点云混合表示适合大规模地图构建，提供高效的全局描述子用于闭环检测。