SLAM论文翻译(2) - LinK3D: Linear Keypoints Representation for 3DLiDAR Point Cloud

目录

1 Introduction

2 Related Work

3 The Proposed method

A. 关键点提取

B. 描述符生成

C. 匹配两个描述符

4 Experiments

---

摘要 - 特征提取和匹配是许多计算机视觉任务的基本部分，如2D或3D物体检测、识别和注册。众所周知，在2D领域，特征提取和匹配已经取得了巨大的成功。不幸的是，在3D领域，由于描述能力差和效率低下，目前的方法无法支持3D LiDAR传感器在视觉任务中的广泛应用。为了解决这个限制，我们提出了一种新颖的3D特征表示方法：线性关键点表示法(LinK3D)，用于3D LiDAR点云。LinK3D的新颖之处在于它充分考虑了LiDAR点云的特点（如稀疏性、场景复杂性），并使用其稳健的邻近关键点表示当前关键点，从而对当前关键点的描述提供了强约束。我们对提出的LinK3D在两个公开数据集（即KITTI、Steven VLP16）上进行了评估，实验结果表明我们的方法在匹配性能方面远远优于现有技术。更重要的是，LinK3D表现出了优秀的实时性能（基于LiDAR的10 Hz频率）。LinK3D仅需要平均32毫秒从由64束激光束收集的点云中提取特征，并且在配备Intel Core i7 @2.2 GHz处理器的笔记本上执行时，仅需约8毫秒来匹配两次LiDAR扫描。此外，我们的方法可以广泛应用于各种3D视觉应用。在本文中，我们将LinK3D应用于3D配准、LiDAR里程计和位置识别任务，并与现有技术方法进行了竞争性结果的比较。

关键词 - 3D LiDAR点云、特征提取、匹配、高效、扩展到3D视觉任务。

1 Introduction