基于语义图的三维点云场景识别

标题：Semantic Graph Based Place Recognition for 3D Point Clouds

作者：Xin Kong, Xuemeng Yang , Guangyao Zhai , Xiangrui Zhao ,Xianfang Zeng , Mengmeng Wang , Yong Liu , Wanlong Li and Feng Wen

Zhejiang University

来源：arxiv 2020

编译：丛阳滋

审核：zhiyong

转载：泡泡机器人SLAM

摘要

由于空间的遮挡与视角的改变，提取用于三维激光点云场景识别的描述子仍然是一个开放的问题，不同于大部分基于原始点云数据局部、全局和统计特征对场景进行描述，本文的方法主要依靠语义信息来提高对不同场景的适应性。模仿人类的认知习惯，我们利用场景中的语义目标及其空间位置分布信息，提出了一种基于语义图的场景识别方法。首先我们创新地提出了语义图的表达方式，直接保留了原始点云的语义和拓扑信息，随后将场景识别建模为图匹配问题，利用提出的网络计算图间的相似度。Kitti的结果表明我们的方法很大程度上优于SOTA，并且开源。

主要贡献

1. 基于人类认知习惯，我们提出了一种语义图来表达原始点云中的语义信息以及语义目标之间的拓扑关系；
2. 我们提出了一种用于估计图匹配相似性的网络，可以用于回环检测；
3. KITTI上的大量实验证明我们的方法达到SOTA的效果，对反向回环、遮挡与视点变换很鲁棒。

算法流程

本文方法的流程如上图所示，主要分为语义图表达与基于学习的图相似度计算两个部分。

A 语义图表达

我们利用RangeNet++使用SemanticKITTI的语义标签对数据进行语义分割，再通过聚类获得语义目标，如上图所示，每一个节点由中心点坐标以及语义信息构成；

B 图相似度网络

受SimGNN的启发，我们将语义目标表达为DGCNN中的superpoints，利用EdgeConv来提取局部空间特征，并且我们利用K邻近来构建欧氏空间关系，将两个部分分开进行特征的融合，如上图所示；

对每个结点进行加权来获得一个整体图的表达，通过上式来计算一个全局的图上下文信息(Global Graph Context)；

通过上式，我们认为与全局上下文信息更相似的节点具有更大的权值，最终我们得到语义图的嵌入表达(Graph Embedding)；

一对图之间的关系可以用NTN的方法进行估计，如上式所示，由此得到图间相似性的度量。

实验结果

本文利用KITTI数据集进行广泛的测试，结果如上图所示，效果优于现有方法；

我们使用最大F1分数来进行定量的评价，可以看出在S08数据上表现尤为突出；

为了测试鲁棒性，我们使用遮挡的数据对方法进行评价，结果如上图所示；

从上图可以看到重访区域的相似度大小；

本文还测试了不同阈值对方法精度的影响，如上图所示，另外本文方法可以达到实时的效率。

------------------------------------------------

Abstract

Due to the difficulty in generating the effective descriptors which are robust to occlusion and viewpoint changes,place recognition for 3D point cloud remains an open issue.Unlike most of the existing methods that focus on extractinglocal, global, and statistical features of raw point clouds,our method aims at the semantic level that can be superiorin terms of robustness to environmental changes. Inspiredby the perspective of humans, who recognize scenes throughidentifying semantic objects and capturing their relations, thispaper presents a novel semantic graph based approach for placerecognition. First, we propose a novel semantic graph representation for the point cloud scenes by reserving the semantic andtopological information of the raw point cloud. Thus, placerecognition is modeled as a graph matching problem. Thenwe design a fast and effective graph similarity network tocompute the similarity. Exhaustive evaluations on the KITTIdataset show that our approach is robust to the occlusion aswell as viewpoint changes and outperforms the state-of-theart methods with a large margin. Our code is available at:https://github.com/kxhit/SG_PR

本文仅做学术分享，如有侵权，请联系删文。