MT-PCR: Leveraging Modality Transformation for Large-Scale Point Cloud Registration with Limited Overlap

要約

オーバーラップが制限された大規模なシーンポイントクラウド登録は、計算負荷と制約されたデータ収集のために困難なタスクです。
これらの問題に取り組むために、モダリティ変換に基づいて、ポイントクラウド登録方法MT-PCRを提案します。
MT-PCRは、最大のオーバーラップ情報をキャプチャするBEVを活用して精度を向上させ、画像を利用して補完的な空間機能を提供します。
具体的には、MT-PCRは3DポイントクラウドをBEV画像に変換し、2D画像キーポイントの抽出とマッチングによりEastimates Corressenceを変換します。
その後、2D対応推定値は、逆マッピングを使用して3Dポイントクラウドに戻されます。
MT-PCRを、GRACOデータセットでの地上レーザースキャンおよび空中レーザースキャンポイントクラウド登録に適用しました。
一般的に使用される方法との実験と比較は、MT-PCRがオーバーラップが限られている大規模なシーンで優れた精度と堅牢性を達成できることを示しています。

要約(オリジナル)

Large-scale scene point cloud registration with limited overlap is a challenging task due to computational load and constrained data acquisition. To tackle these issues, we propose a point cloud registration method, MT-PCR, based on Modality Transformation. MT-PCR leverages a BEV capturing the maximal overlap information to improve the accuracy and utilizes images to provide complementary spatial features. Specifically, MT-PCR converts 3D point clouds to BEV images and eastimates correspondence by 2D image keypoints extraction and matching. Subsequently, the 2D correspondence estimates are then transformed back to 3D point clouds using inverse mapping. We have applied MT-PCR to Terrestrial Laser Scanning and Aerial Laser Scanning point cloud registration on the GrAco dataset, involving 8 low-overlap, square-kilometer scale registration scenarios. Experiments and comparisons with commonly used methods demonstrate that MT-PCR can achieve superior accuracy and robustness in large-scale scenes with limited overlap.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google