DynaWeightPnP: Toward global real-time 3D-2D solver in PnP without correspondences

要約

この論文では、特殊な Perspective-n-Point (PnP) 問題、つまり、対応関係を持たずに 3D 形状と 2D 形状をリアルタイムで位置合わせするための最適なポーズを推定する問題 (対応関係のない PnP と呼ばれる) について取り上げます。
いくつかの研究は 3D および 2D 形状の登録に焦点を当てていますが、リアルタイムと正確なパフォーマンスの両方を達成することは依然として課題です。
この研究は特に 3D-2D 幾何学的形状登録タスクを対象としており、最近開発された再現カーネル ヒルベルト空間 (RKHS) を適用して「大から小へ」の問題に対処します。
RKHS ベースの定式化を効率的に解くために、反復再重み付け最小二乗法が採用されています。
さらに、私たちの研究は、対応関係のない PnP におけるユニークで興味深い可観測性の問題、つまり回転と平行移動の間の数値的曖昧性を特定しました。
これに対処するために、私たちは DynaWeightPnP を提案し、動的重み付けサブ問題と、姿勢推定と位置合わせの精度を高めるために設計された代替検索アルゴリズムを導入しました。
実験は、典型的なケース、つまり血管内画像誘導介入 (EIGI) 内の 3D-2D 血管中心線位置合わせタスクで行われました。
結果は、提案されたアルゴリズムが、最新のシングルコア CPU 上で 60 Hz (ポストリファインメントなし) および 31 Hz (ポストリファインメントあり) のレジストレーション処理速度を達成し、既存の方法に匹敵する精度を備えていることを実証しました。
これらの結果は、EIGI などの将来のロボット ナビゲーション タスクに対する DynaWeightPnP の適合性を強調しています。

要約(オリジナル)

This paper addresses a special Perspective-n-Point (PnP) problem: estimating the optimal pose to align 3D and 2D shapes in real-time without correspondences, termed as correspondence-free PnP. While several studies have focused on 3D and 2D shape registration, achieving both real-time and accurate performance remains challenging. This study specifically targets the 3D-2D geometric shape registration tasks, applying the recently developed Reproducing Kernel Hilbert Space (RKHS) to address the ‘big-to-small’ issue. An iterative reweighted least squares method is employed to solve the RKHS-based formulation efficiently. Moreover, our work identifies a unique and interesting observability issue in correspondence-free PnP: the numerical ambiguity between rotation and translation. To address this, we proposed DynaWeightPnP, introducing a dynamic weighting sub-problem and an alternative searching algorithm designed to enhance pose estimation and alignment accuracy. Experiments were conducted on a typical case, that is, a 3D-2D vascular centerline registration task within Endovascular Image-Guided Interventions (EIGIs). Results demonstrated that the proposed algorithm achieves registration processing rates of 60 Hz (without post-refinement) and 31 Hz (with post-refinement) on modern single-core CPUs, with competitive accuracy comparable to existing methods. These results underscore the suitability of DynaWeightPnP for future robot navigation tasks like EIGIs.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google