无惧运动物体遮挡！1.53 ms！CCTNet：LiDAR位置识别最新SOTA！SLAM回环稳了！

主要观点总结

本文介绍了一种基于激光雷达进行地点识别的技术，该技术通过圆形卷积Transformer网络处理点云数据，解决了传统方法在处理可移动物体遮挡场景时的局限性。文章详细描述了网络结构、实验结果和贡献。

关键观点总结

关键观点1: 技术背景

随着自动驾驶和机器人技术的发展，地点识别成为基本任务。当前基于范围图像的网络在面对可移动物体遮挡时性能受限。

关键观点2: 主要工作

提出了一种基于圆形卷积Transformer网络的地点识别方法，通过扩大感知范围、结合通道和空间注意机制、设计回归损失函数等技术手段，提高了网络性能。

关键观点3: 技术细节

引入了圆形卷积模块（CCM），扩展了网络的感知范围；提出了范围Transformer模块（RTM），增强了场景中的场所识别准确性；设计了一个与点云重叠相关的损失函数，将场所识别任务转化为回归问题。

关键观点4: 实验结果

在KITTI、Ford和自行收集的数据集上进行了实验，验证了所提方法的泛化能力。与其他方法相比，取得了领先的性能表现。

关键观点5: 结论

本研究提出了一种有效的地点识别方法，通过结合卷积和Transformer技术，解决了可移动物体遮挡场景下的地点识别问题。该方法具有实时性能，为自动驾驶和机器人应用提供了有力支持。

文章预览

点击下方 卡片 ，关注 「计算机视觉工坊」 公众号 选择 星标 ，干货第一时间送达 转自：3D视觉工坊  添加小助理：dddvision，备注：方向+学校/公司+昵称，拉你入群。文末附行业细分群 扫描下方二维码，加入 3D视觉知识星球 ，星球内凝聚了众多3D视觉实战问题，以及各个模块的学习资料： 近20门视频课程（星球成员免费学习） 、 最新顶会论文 、计算机视觉书籍 、 优质3D视觉算法源码 等。想要入门3D视觉、做项目、搞科研，欢迎扫码加入！ 0. 这篇文章干了啥？ 位置识别指的是智能机器人确定当前观察到的场景是否曾经被访问过。这是通过将当前传感器测量结果（例如摄像机和光探测与测距仪）与存储在地图或数据库中的过去测量结果进行比较来实现的。它在最小化同时定位和地图构建（SLAM）任务中的累积误差方面起着至关重要的作用，并为全 ………………………………