HybridFusion: LiDAR and Vision Cross-Source Point Cloud Fusion

要約

タイトル：HybridFusion: LiDARとVisionのクロスソースポイントクラウド融合

要約：
– 最近、異なるセンサーからのクロスソースポイントクラウド登録が重要な研究トピックになってきている
– しかし、従来の方法は異なるクロスソースポイントクラウドの密度や構造の違いによる問題に直面している
– これらの問題を解決するために、HybridFusionというクロスソースポイントクラウド融合アルゴリズムを提案する
– この手法は、屋外の大規模なシーンで異なる視角からのクロスソース密集ポイントクラウドを登録することができる
– 登録プロセス全体は、荒い点群から精緻な調整までの手順で構成されている
– 荒いマッチングプロセスでは、ポイントクラウドを小さなパッチに分割し、グローバルデスクリプタと空間分布に基づいてマッチングパッチセットを選択する
– 精密一致を実現するために、パッチから2D境界点を抽出し、3D調整が行われる
– 最後に、複数のパッチ姿勢推定の結果をクラスタリングして融合し、最終的な姿勢を決定する
– 提案手法は、定量的・定性的な実験を通じて包括的に評価されており、従来の繰り返し最近傍点法と比較されている
– さらに、ポイントクラウドの充填度を記述するメトリックが提案されている
– 実験結果は、提案手法がクロスソースポイントクラウド登録において最新の性能を発揮していることを示している

要約(オリジナル)

Recently, cross-source point cloud registration from different sensors has become a significant research focus. However, traditional methods confront challenges due to the varying density and structure of cross-source point clouds. In order to solve these problems, we propose a cross-source point cloud fusion algorithm called HybridFusion. It can register cross-source dense point clouds from different viewing angle in outdoor large scenes. The entire registration process is a coarse-to-fine procedure. First, the point cloud is divided into small patches, and a matching patch set is selected based on global descriptors and spatial distribution, which constitutes the coarse matching process. To achieve fine matching, 2D registration is performed by extracting 2D boundary points from patches, followed by 3D adjustment. Finally, the results of multiple patch pose estimates are clustered and fused to determine the final pose. The proposed approach is evaluated comprehensively through qualitative and quantitative experiments. In order to compare the robustness of cross-source point cloud registration, the proposed method and generalized iterative closest point method are compared. Furthermore, a metric for describing the degree of point cloud filling is proposed. The experimental results demonstrate that our approach achieves state-of-the-art performance in cross-source point cloud registration.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI