Coupled Laplacian Eigenmaps for Locally-Aware 3D Rigid Point Cloud Matching

要約

点群マッチングは、コンピューター ビジョン、医療、ロボット工学の分野で重要な技術であり、主に点群またはボクセルのペア間の対応関係を見つけることに関係しています。
一部の実際的なシナリオでは、正しい一致を正確に識別するために局所的な違いを強調することが重要であり、それによって一致プロセスの全体的な堅牢性と信頼性が向上します。
一般的に使用される形状記述子にはいくつかの制限があり、多くの場合、ペアのジオメトリに関する意味のある局所的な洞察を提供できません。
この研究では、グラフ ラプラシアン固有マップに基づいて、微細な局所構造を考慮して点群を一致させる新しい手法を提案します。
ラプラシアン固有マップの順序と符号の曖昧さに対処するために、Coupled Laplacian (https://github.com/matteo-bastico/CoupLap) と呼ばれる新しい演算子を導入しました。これにより、複数の登録されたジオメトリに対して位置合わせされた固有空間を簡単に生成できます。
これらの整列された高次元空間間の類似性が、形状を一致させるために局所的に意味のあるスコアを提供することを示します。
まず、MVTec 3D-AD データセット上のオブジェクトの異常位置特定のタスクに焦点を当てて、提案された手法のパフォーマンスを点ごとに評価します。
さらに、自動骨側面推定 (BSE) と呼ばれる新しい医療タスクを定義し、結合固有空間から導出されるグローバル類似性スコアを通じてこれに対処します。
それをテストするために、さまざまな公開データセットから骨の表面構造を収集したベンチマークを提案します。
結合ラプラシアンに基づく当社のマッチング手法は、両方のタスクで優れた精度に達することで他の手法を上回ります。

要約(オリジナル)

Point cloud matching, a crucial technique in computer vision, medical and robotics fields, is primarily concerned with finding correspondences between pairs of point clouds or voxels. In some practical scenarios, emphasizing local differences is crucial for accurately identifying a correct match, thereby enhancing the overall robustness and reliability of the matching process. Commonly used shape descriptors have several limitations and often fail to provide meaningful local insights about the paired geometries. In this work, we propose a new technique, based on graph Laplacian eigenmaps, to match point clouds by taking into account fine local structures. To deal with the order and sign ambiguity of Laplacian eigenmaps, we introduce a new operator, called Coupled Laplacian (https://github.com/matteo-bastico/CoupLap), that allows to easily generate aligned eigenspaces for multiple registered geometries. We show that the similarity between those aligned high-dimensional spaces provides a locally meaningful score to match shapes. We firstly evaluate the performance of the proposed technique in a point-wise manner, focusing on the task of object anomaly localization on the MVTec 3D-AD dataset. Additionally, we define a new medical task, called automatic Bone Side Estimation (BSE), which we address through a global similarity score derived from coupled eigenspaces. In order to test it, we propose a benchmark collecting bone surface structures from various public datasets. Our matching technique, based on Coupled Laplacian, outperforms other methods by reaching an impressive accuracy on both tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google