Nothing Stands Still: A Spatiotemporal Benchmark on 3D Point Cloud Registration Under Large Geometric and Temporal Change

要約

人工空間の 3D 幾何学マップの構築は、コンピューター ビジョンとロボット工学の基礎となる確立された活発な分野です。
しかし、構築された環境の進化する性質を考慮すると、現在のマッピング作業が時間的変化に対処できるかどうかを疑問視することが不可欠です。
さらに、時空間マッピングは、持続可能性と循環性の目標を達成するための大きな可能性を秘めています。
既存のマッピング手法は、オブジェクトの再配置や自動運転車の操作などの小さな変更に重点を置いています。
すべての場合において、シーンの主な構造は固定されたままです。
その結果、これらのアプローチは、ジオメトリやトポロジーなど、構築された環境の構造におけるより根本的な変化に対処できません。
この目的を達成するために、Nothing Stands Still (NSS) ベンチマークを導入します。これは、時空間的に大きな変化が生じる 3D シーンの時空間登録に焦点を当て、最終的に 1 つの一貫した時空間マップを作成します。
具体的には、ベンチマークには、同じシーンから、異なる時空間ビューからキャプチャされた 2 つ以上の部分 3D 点群 (フラグメント) を登録することが含まれます。
標準的なペアごとの位置合わせに加えて、任意の時間段階に属する複数のフラグメントの多方向位置合わせを評価します。
NSS の一部として、建設または改修中の大規模な建物の屋内環境で繰り返しキャプチャされた 3D 点群のデータセットを導入します。
NSS ベンチマークは、空間 (1 つの建物内および建物全体) および時間にわたる点群登録方法の一般化能力を定量化するために、難易度を上げていく 3 つのシナリオを提示します。
私たちは、NSS に関する最先端の手法の広範な評価を実施しています。
この結果は、大きな時空間変化を処理するために特別に設計された新しい方法の必要性を示しています。
私たちのベンチマークのホームページは http://nothing-stands-still.com にあります。

要約(オリジナル)

Building 3D geometric maps of man-made spaces is a well-established and active field that is fundamental to computer vision and robotics. However, considering the evolving nature of built environments, it is essential to question the capabilities of current mapping efforts in handling temporal changes. In addition, spatiotemporal mapping holds significant potential for achieving sustainability and circularity goals. Existing mapping approaches focus on small changes, such as object relocation or self-driving car operation; in all cases where the main structure of the scene remains fixed. Consequently, these approaches fail to address more radical changes in the structure of the built environment, such as geometry and topology. To this end, we introduce the Nothing Stands Still (NSS) benchmark, which focuses on the spatiotemporal registration of 3D scenes undergoing large spatial and temporal change, ultimately creating one coherent spatiotemporal map. Specifically, the benchmark involves registering two or more partial 3D point clouds (fragments) from the same scene but captured from different spatiotemporal views. In addition to the standard pairwise registration, we assess the multi-way registration of multiple fragments that belong to any temporal stage. As part of NSS, we introduce a dataset of 3D point clouds recurrently captured in large-scale building indoor environments that are under construction or renovation. The NSS benchmark presents three scenarios of increasing difficulty, to quantify the generalization ability of point cloud registration methods over space (within one building and across buildings) and time. We conduct extensive evaluations of state-of-the-art methods on NSS. The results demonstrate the necessity for novel methods specifically designed to handle large spatiotemporal changes. The homepage of our benchmark is at http://nothing-stands-still.com.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google