Accelerating Outlier-robust Rotation Estimation by Stereographic Projection

要約

ローテーションの推定は、多くのコンピュータービジョンおよびロボットタスクで基本的な役割を果たします。
ただし、多数の外れ値（つまり、ミスマッチ）とノイズを含む大きな入力での回転を効率的に推定することは、認識されている課題です。
この課題に対処するために、多くの堅牢な回転推定方法が設計されています。
残念ながら、既存の方法は、長い計算時間とローカルオプティマのリスクのために適用できないことがよくあります。
この論文では、効率的で堅牢な回転推定方法を提案します。
具体的には、私たちの方法は、最初に回転軸のみを含む幾何学的制約を調査します。
次に、立体策と空間投票技術を使用して、回転軸と角度を識別します。
さらに、この方法は最適な回転推定を効率的に取得し、複数の回転を同時に推定できます。
当社の方法の実現可能性を検証するために、合成データと実世界の両方のデータを使用して比較実験を実施します。
結果は、GPUの支援により、私たちの方法は、0.07秒以内に大規模（$ 10^6 $ポイント）を解くことができることを示しています。
精度と効率の観点から、既存の方法よりも優れています。

要約(オリジナル)

Rotation estimation plays a fundamental role in many computer vision and robot tasks. However, efficiently estimating rotation in large inputs containing numerous outliers (i.e., mismatches) and noise is a recognized challenge. Many robust rotation estimation methods have been designed to address this challenge. Unfortunately, existing methods are often inapplicable due to their long computation time and the risk of local optima. In this paper, we propose an efficient and robust rotation estimation method. Specifically, our method first investigates geometric constraints involving only the rotation axis. Then, it uses stereographic projection and spatial voting techniques to identify the rotation axis and angle. Furthermore, our method efficiently obtains the optimal rotation estimation and can estimate multiple rotations simultaneously. To verify the feasibility of our method, we conduct comparative experiments using both synthetic and real-world data. The results show that, with GPU assistance, our method can solve large-scale ($10^6$ points) and severely corrupted (90\% outlier rate) rotation estimation problems within 0.07 seconds, with an angular error of only 0.01 degrees, which is superior to existing methods in terms of accuracy and efficiency.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google