每日文章打卡七 RINet: Efficient 3D Lidar-Based Place RecognitionUsing Rotation Invariant Neural Network

最新推荐文章于 2023-05-25 15:56:00 发布
最新推荐文章于 2023-05-25 15:56:00 发布
阅读量186 收藏
点赞数
分类专栏： SLAM 文章阅读 文章标签： 自动驾驶 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_41485242/article/details/126363312
版权
该研究提出了一种名为RINet的新型方法，用于3D激光雷达（LiDAR）基的位置识别。RINet首先提取旋转等变特征描述符，随后通过旋转不变网络进行处理，最终计算点云间的相似度，从而实现高效且准确的场景匹配。
摘要由CSDN通过智能技术生成

文章标题 RINet: Efficient 3D Lidar-Based Place Recognition Using Rotation Invariant Neural Network

IEEE ROBOTICS AND AUTOMATION LETTERS  期刊  2022 

首先提取点云的rotation equivariant描述符，然后将描述符输入到rotation invariant network中，最后计算相似度

 

 

 

吃不胖的粥
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Using Perl For Web Programming.pdf
08-18
Using Perl for Web Programming David Harlan, et al. CONTENTS Chapter 1 Perl Overview Perl Origins H Borrowings H Cost and Licensing H Distribution H G Perl Programs Invocation H Command-Line ...
windows端口转发工具rinetd.exe
10-19
windows端口转发工具rinetd.exe
【论文笔记】Efficient 3D LIDAR based loop closing using deep neural network
qq_46480130的博客
11-08 190
【论文笔记】Efficient 3D LIDAR based loop closing using deep neural network    ~~~       ~~~~     3D LIDAR 数据中的闭环检测是 SLAM 系统中一个必不可少但具有挑战性的问题。减少全局不一致性或重新定位失去定位的机器人很重要，而缺乏先验信息则很难。我们提出了一种使用 siame
ICRA2022 SLAM进展---激光SLAM
weixin_43827285的博客
08-14 4572
ICRA2022 slam论文简单导读，未完待续
【论文略读】【3D检测】LiDAR R-CNN: An Efficient and Universal 3D Object Detector
Snape_的博客
04-14 780
3D目标检测，看名字带RCNN就知道是两阶段，强调了plug and play，即插即用，也就意味着适用于各种点云数据集，因此输入并不会包括kitti中的点云反射率等数据集独有的量，而仅仅包括了点的坐标。顺带一提，这种plug and play的思想可能永远轮不到多模态，毕竟各大数据集的标定格式都不大一样，坐标系转换分分钟原地爆炸。 选择了PointNet作为主干网络，作者认为PointNet比较适合这种对效率要求高的任务。采用的损失函数仍然是分类+回归，分类用了交叉熵，回归仍然是万年不变的SmoothL1
lightweight；lidar；slam
weixin_44724806的博客
11-04 541
lidar；slam；lightweight
ECCV 2022 | MVDG:一种用于域泛化的统一多视图框架
CV技术指南（微信公众号）
09-02 1046
论文提出了一种新的多视图分布式目标框架，以有效地减少训练和测试阶段的过拟合。 具体来说就是，在训练阶段，开发了一种多视图正则化元学习算法，利用多个优化轨迹产生适合模型更新的优化方向。在测试阶段，利用多幅增强图像进行多视图预测，缓解了预测不稳定的问题，显著提高了模型的可靠性。
目标检测, 实例分割, 图像分类, panoptic segmentation文献
轻舟已过万重山
08-27 1147
目标检测文献阅读
ECCV 2022 | k-means Mask Transformer
CV技术指南（微信公众号）
09-04 2788
在本文中，作者重新思考像素和对象查询之间的关系，并提出将交叉注意学习重新定义为一个聚类过程。受传统k-means聚类算法的启发，开发了一种用于分割任务的k-means Mask Xformer (kMaX-DeepLab)，它不仅改进了最先进的技术，而且具有简单优雅的设计。 kMaX-DeepLab在COCO val set和Cityscapes val set 上实现了新的SOTA的性能，无需测试时间增强或外部数据集。
代理软件-rinetd
最新发布
渐行渐远的博客
05-25 81
一 背景说明 在公司连接亚马逊上国外的数据库，由于公司的网络不稳定，连接非常慢，因此我在阿里云上面找了一台机器，安装了rinetd ,以后连接数据库直接连接阿里云的ip就可以了 二 安装 wget http://li.nux.ro/download/nux/misc/el7/x86_64//rinetd-0.62-9.el7.nux.x86_64.rpm rpm -ivh rinetd-0...
端口代理软件FreePort
06-01
端口代理软件，可以绑定本地IP，当你的机器有多个IP，而连接方有IP认证的时候就能用上了。rinet和portmap都无法绑定只好自己写了。
点云特征描述与提取
吃不胖的粥
08-21 9869
在等数据结果的过程中没事，上传一下之前总结的一些点云特征描述子 由于之前都是写在纸质版的笔记本上的，又不想多打字，只好上传扫描版本的咯，看官们请见谅哈 下面主要是讲述基本原理，主要涉及到一些经典的描述子： PFH， FPFH， Spin Image， SHOT， RoPS， TriSI， 3DSC， USC， ISS， VD_LSD， LSP， THRIFT， 很多算法在PCL中已经实现了。最...
CVPR 2021 点云方向相关文章
吃不胖的粥
04-14 2833
点云(Point Cloud) DeepI2P: Image-to-Point Cloud Registration via Deep Classification(通过深度分类的图像到点云配准)paper|code FESTA: Flow Estimation via Spatial-Temporal Attention for Scene Point Clouds(FESTA：场景点云通过时空注意进行光流估计)paper Denoise and Contrast for Category...
每日文章打卡九 PoinNetVLAD：Deep Point Cloud Based Retrieval for Large-Scale Place Recognition
吃不胖的粥
08-16 851
论文阅读 PoinNetVLAD：Deep Point Cloud Based Retrieval for Large-Scale Place Recognition
混合高斯模型GMM和期望最大化EM
吃不胖的粥
01-07 524
最近在看一篇论文《Density Adaptive Point Set Registration》，是2018年cvpr中一篇关于点云配准的文章，主要是针对密度分布不均匀情况的配准。里面涉及到了很多的名词都不知道，因此在这篇文章里面记录一下。（偏计算机专业的顶会文章还是比较注重数学的，真的是一开始接触看都看不懂说的啥系列，需要补的知识太多了） Kullback-Leibler divergenc...
每日文章打卡六 OverlapTransformer: An Efficient and Yaw-Angle-Invariant Transformer Network for LiDAR-Base
吃不胖的粥
08-16 469
文章阅读 论文题目OverlapTransformer: An Efficient and Yaw-Angle-Invariant Transformer Network for LiDAR-Based Place Recognition
文献精读 A novel binary shape context for 3D local surface description ISPRS 2017
吃不胖的粥
04-27 387
（之前都是写在葵花宝典上，怕本子会消失，我又懒得重写打字，所以扫描后记录在博客上）（PS：我是真的好喜欢在纸质本子上写字的感觉啊啊） 能力有限，有错误的地方欢迎指出！ ...
文献精读 B-SHOT : A Binary Feature Descriptor for Fast and Efficient Keypoint Matching on 3D Point Cloud
吃不胖的粥
04-27 384
文献精读 3DHoPD: A Fast Low-Dimensional 3-D Descriptor 2017
吃不胖的粥
04-27 369
这个方法速度贼快 ~~
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值