PCR-99: A Practical Method for Point Cloud Registration with 99% Outliers

要約

未知のスケールと極端な外れ値の比率の両方を処理できる、点群登録のための堅牢な方法を提案します。
PCR-99 と呼ばれる私たちの方法は、速度を大幅に向上させる 2 つの新しいメカニズムを備えた決定論的な 3 点サンプリング アプローチを使用します。 (1) ペアごとのスケールの一貫性に基づいてサンプルの順序付けを改善し、一致する可能性が高い点の対応を優先します。
(2) トリプレットスケールの一貫性に基づいた効率的な外れ値除去スキーム、不良サンプルの事前スクリーニング、およびテストされる仮説の数の削減。
私たちの評価では、外れ値の割合が 98% まで、提案された方法が最先端技術に匹敵するパフォーマンスを達成することが示されています。
ただし、異常値率 99% では、既知のスケールの問題と未知のスケールの問題の両方について、最新技術を上回っています。
特に後者については、堅牢性と速度の点で明らかに優れていることがわかります。

要約(オリジナル)

We propose a robust method for point cloud registration that can handle both unknown scales and extreme outlier ratios. Our method, dubbed PCR-99, uses a deterministic 3-point sampling approach with two novel mechanisms that significantly boost the speed: (1) an improved ordering of the samples based on pairwise scale consistency, prioritizing the point correspondences that are more likely to be inliers, and (2) an efficient outlier rejection scheme based on triplet scale consistency, prescreening bad samples and reducing the number of hypotheses to be tested. Our evaluation shows that, up to 98% outlier ratio, the proposed method achieves comparable performance to the state of the art. At 99% outlier ratio, however, it outperforms the state of the art for both known-scale and unknown-scale problems. Especially for the latter, we observe a clear superiority in terms of robustness and speed.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google