Efficient and Deterministic Search Strategy Based on Residual Projections for Point Cloud Registration

要約

推定上の 3D 対応を通じて 2 つの LiDAR スキャン間の剛体変換を推定することは、典型的な点群登録パラダイムです。
現在の 3D フィーチャ マッチングのアプローチでは、一般的に多数の外れ値の対応が生じるため、外れ値に強いレジストレーション技術が不可欠となっています。
最近の研究の多くは、対応ベースの点群登録問題をグローバルかつ決定論的に解決するために、分枝限定 (BnB) 最適化フレームワークを採用しています。
それにもかかわらず、BnB ベースの手法では、計算の複雑さが解領域の次元に指数関数的に増加するため、6 次元パラメータ空間全体を検索するには時間がかかります。
アルゴリズムの効率を高めるために、既存の研究では、6 自由度 (DOF) の元の問題を 2 つの 3-DOF 部分問題に分離し、それによってパラメーター空間の次元を削減しようとしています。
対照的に、私たちが提案するアプローチは、残差投影に基づく新しいポーズ分離戦略を導入し、生の問題を 3 つの 2-DOF 回転探索サブ問題に効果的に分解します。
その後、新しい BnB ベースの検索方法を採用してこれらの副問題を解決し、効率的かつ決定的な登録を実現します。
さらに、私たちの方法は、姿勢と対応の同時登録 (SPCR) という困難な問題に対処するように適応できます。
合成データセットと実世界のデータセットに対して行われた広範な実験を通じて、私たちが提案する方法が効率の点で最先端の方法を上回り、同時に堅牢性を確保していることを実証しました。

要約(オリジナル)

Estimating the rigid transformation between two LiDAR scans through putative 3D correspondences is a typical point cloud registration paradigm. Current 3D feature matching approaches commonly lead to numerous outlier correspondences, making outlier-robust registration techniques indispensable. Many recent studies have adopted the branch and bound (BnB) optimization framework to solve the correspondence-based point cloud registration problem globally and deterministically. Nonetheless, BnB-based methods are time-consuming to search the entire 6-dimensional parameter space, since their computational complexity is exponential to the dimension of the solution domain. In order to enhance algorithm efficiency, existing works attempt to decouple the 6 degrees of freedom (DOF) original problem into two 3-DOF sub-problems, thereby reducing the dimension of the parameter space. In contrast, our proposed approach introduces a novel pose decoupling strategy based on residual projections, effectively decomposing the raw problem into three 2-DOF rotation search sub-problems. Subsequently, we employ a novel BnB-based search method to solve these sub-problems, achieving efficient and deterministic registration. Furthermore, our method can be adapted to address the challenging problem of simultaneous pose and correspondence registration (SPCR). Through extensive experiments conducted on synthetic and real-world datasets, we demonstrate that our proposed method outperforms state-of-the-art methods in terms of efficiency, while simultaneously ensuring robustness.

arxiv情報

著者 Xinyi Li,Yinlong Liu,Hu Cao,Xueli Liu,Feihu Zhang,Alois Knoll
発行日 2023-05-19 14:52:40+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV パーマリンク