Floorplan-Aware Camera Poses Refinement

要約

大規模な屋内シーンの処理は困難な作業です。スキャン レジストレーションとカメラの軌跡推定方法では、時間の経過とともに誤差が蓄積されるためです。
その結果、再構成されたスキャンの品質は、壁の正しい位置が重要である視覚ベースのローカリゼーションやナビゲーションなどの一部のアプリケーションでは不十分です。
多くの屋内シーンには、壁、パーティション、ドアなど、シーンのジオメトリと主要な構造要素に関する情報を含む技術的なフロアプランのイメージが存在します。
このようなフロアプランは、3D モデルの最適化を導くことができる空間情報の有用なソースであると主張します。
標準の RGB-D 3D 再構成パイプラインは、RGB-D シーケンスに適用される追跡モジュールと、ポーズ付けされた RGB-D シーケンスを取得してカメラの姿勢を修正して一貫性を向上させるバンドル調整 (BA) モジュールで構成されます。
フロアプランの形でシーン構造に関する事前知識を活用する従来のBAを拡張する新しい最適化アルゴリズムを提案します。
Redwood データセットと自己キャプチャ データに関する実験では、フロアプランを利用することで 3D 再構築の精度が向上することが示されています。

要約(オリジナル)

Processing large indoor scenes is a challenging task, as scan registration and camera trajectory estimation methods accumulate errors across time. As a result, the quality of reconstructed scans is insufficient for some applications, such as visual-based localization and navigation, where the correct position of walls is crucial. For many indoor scenes, there exists an image of a technical floorplan that contains information about the geometry and main structural elements of the scene, such as walls, partitions, and doors. We argue that such a floorplan is a useful source of spatial information, which can guide a 3D model optimization. The standard RGB-D 3D reconstruction pipeline consists of a tracking module applied to an RGB-D sequence and a bundle adjustment (BA) module that takes the posed RGB-D sequence and corrects the camera poses to improve consistency. We propose a novel optimization algorithm expanding conventional BA that leverages the prior knowledge about the scene structure in the form of a floorplan. Our experiments on the Redwood dataset and our self-captured data demonstrate that utilizing floorplan improves accuracy of 3D reconstructions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google