【课题推荐发表期刊】

【课题背景】

随着自动驾驶、机器人导航等领域的发展，基于自然语言描述的定位技术变得越来越重要。这项技术旨在让智能体能够理解人类的语言指令，并在复杂的环境中准确定位。然而，现有的方法在处理大规模三维点云数据和自然语言描述之间的语义关系方面仍存在挑战。

本课题旨在研究一种基于自然语言描述的三维点云定位方法，以解决在城市级地图中实现精确位置定位的问题。通过深入理解自然语言描述与点云数据之间的语义关联，提升智能体在复杂环境中的定位能力，从而推动自动驾驶、机器人导航等领域的进一步发展。

【课题方向参考】

• 文本-子地图全局位置识别：研究如何从自然语言描述中提取关键信息，并与子地图进行匹配，实现全局位置的粗略识别

• 无匹配精细定位：探索一种无需复杂文本-实例匹配的精细定位方法，提高定位精度和效率

• 层次化Transformer建模：设计一种层次化的Transformer模型，捕捉文本描述中的上下文信息和层次结构，提升语义理解能力

• 对比学习平衡正负样本：研究如何通过对比学习平衡正负样本，提高模型的鲁棒性和泛化能力

【适合人群】

计算机科学专业方向的研究生，要求具备良好的机器学习、自然语言处理和计算机视觉基础，熟悉Python编程和深度学习框架，对三维点云处理和定位技术有浓厚兴趣。

【课题收获】

• 高质量论文一篇（SCI/CCF定向期刊）

• SCI/CCF期刊投递与发表指导

• 结业证书

【课题安排】

研究周期预估六个月左右，具体视学员情况调整

【推荐阅读】

• 2018 Pointnetvlad: Deep point cloud based retrieval for large-scale place recognition

• 2021 SOE-Net: A self-attention and orientation encoding network for point cloud based place recognition