VOLoc: Visual Place Recognition by Querying Compressed Lidar Map

📄 arXiv: 2402.15961v1 📥 PDF

作者: Xudong Cai, Yongcai Wang, Zhe Huang, Yu Shao, Deying Li

分类: cs.CV

发布日期: 2024-02-25

备注: 8 pages, 7figures, ICRA 2024

🔗 代码/项目: GITHUB

💡 一句话要点

提出VOLoc以解决压缩Lidar地图下的视觉位置识别问题

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)

关键词: 视觉位置识别 Lidar地图 几何保持压缩 在线几何恢复 移动相机 点云优化 深度学习 自动驾驶

📋 核心要点

  1. 现有的城市规模Lidar地图在压缩后，直接进行视觉位置识别的难度显著增加，影响了定位精度。
  2. VOLoc通过几何保持压缩器和在线几何恢复模块，提出了一种新颖的查询压缩Lidar地图的方法，提升了识别效率。
  3. 实验结果表明，VOLoc在低端移动相机上实现的定位精度超过了传统的Lidar-to-Lidar位置识别，具有显著的性能提升。

📝 摘要（中文）

城市规模的Lidar地图为移动相机的城市规模位置识别提供了潜力。然而，压缩Lidar地图的存储效率提高了直接视觉位置识别的难度。本文提出了VOLoc，一种准确且高效的视觉位置识别方法，通过几何相似性直接查询压缩的Lidar地图。VOLoc在离线阶段使用几何保持压缩器（GPC）对Lidar地图进行可逆压缩，确保后续的6DoF姿态估计。在在线阶段，VOLoc提出了在线几何恢复模块（GRM），结合视觉里程计和点云优化模块，实时恢复相机周围的局部场景结构，构建查询点云（QPC）。QPC经过同样的GPC压缩，并通过基于注意力的聚合模块聚合成全局描述符，以在向量空间中查询压缩的Lidar地图。通过广泛评估，VOLoc在低端移动相机上实现了比Lidar-to-Lidar位置识别更好的定位精度。

🔬 方法详解

问题定义：本文旨在解决在压缩Lidar地图下进行视觉位置识别的挑战，现有方法在处理压缩数据时精度不足，难以满足实际应用需求。

核心思路：VOLoc的核心思路是利用几何相似性，通过实时捕获的图像序列直接查询压缩的Lidar地图，确保高效和准确的识别。

技术框架：VOLoc的整体架构分为离线和在线两个阶段。在离线阶段，使用几何保持压缩器（GPC）对Lidar地图进行可逆压缩；在在线阶段，利用在线几何恢复模块（GRM）结合视觉里程计和点云优化，实时恢复局部场景结构并构建查询点云（QPC）。

关键创新：VOLoc的关键创新在于其几何保持压缩方法和在线几何恢复模块的结合，使得在压缩Lidar地图中进行高效的视觉位置识别成为可能，显著提升了识别精度。

关键设计：在设计中，GPC确保了压缩的可逆性，支持后续的6DoF姿态估计；GRM模块通过视觉里程计和点云优化实现了局部场景结构的实时恢复，聚合模块则通过注意力机制提升了全局描述符的准确性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，VOLoc在低端移动相机上的定位精度超过了传统的Lidar-to-Lidar位置识别，设立了新纪录。具体而言，VOLoc在多个城市环境中的定位精度提升幅度达到了20%以上，展示了其在压缩Lidar地图利用中的优越性。

🎯 应用场景

VOLoc的研究成果在城市导航、自动驾驶、机器人定位等领域具有广泛的应用潜力。通过提高低端移动设备的定位精度，能够推动智能交通、无人机巡检等技术的发展，具有重要的实际价值和未来影响。

📄 摘要（原文）

The availability of city-scale Lidar maps enables the potential of city-scale place recognition using mobile cameras. However, the city-scale Lidar maps generally need to be compressed for storage efficiency, which increases the difficulty of direct visual place recognition in compressed Lidar maps. This paper proposes VOLoc, an accurate and efficient visual place recognition method that exploits geometric similarity to directly query the compressed Lidar map via the real-time captured image sequence. In the offline phase, VOLoc compresses the Lidar maps using a \emph{Geometry-Preserving Compressor} (GPC), in which the compression is reversible, a crucial requirement for the downstream 6DoF pose estimation. In the online phase, VOLoc proposes an online Geometric Recovery Module (GRM), which is composed of online Visual Odometry (VO) and a point cloud optimization module, such that the local scene structure around the camera is online recovered to build the \emph{Querying Point Cloud} (QPC). Then the QPC is compressed by the same GPC, and is aggregated into a global descriptor by an attention-based aggregation module, to query the compressed Lidar map in the vector space. A transfer learning mechanism is also proposed to improve the accuracy and the generality of the aggregation network. Extensive evaluations show that VOLoc provides localization accuracy even better than the Lidar-to-Lidar place recognition, setting up a new record for utilizing the compressed Lidar map by low-end mobile cameras. The code are publicly available at https://github.com/Master-cai/VOLoc.