SE3ET: SE(3)-Equivariant Transformer for Low-Overlap Point Cloud Registration

要約

部分的な点群の登録は、ロボット工学における困難な問題であり、特にロボットが大きな変形を行う場合に、重大な初期姿勢エラーと測定間の重複が少なくなります。
この研究では、3D 点群からの等変学習を利用して位置合わせの堅牢性を向上させることを提案しています。
我々は、表現力豊かでロバストな幾何学的特徴を学習するために等変点畳み込みと等変変換器設計を採用する SE(3) 等変登録フレームワークである SE3ET を提案します。
点群が任意の変換を受け、重複率が低い屋内および屋外のベンチマークで、提案された登録方法をテストしました。
また、汎化テストと実行時のパフォーマンスも提供します。

要約(オリジナル)

Partial point cloud registration is a challenging problem in robotics, especially when the robot undergoes a large transformation, causing a significant initial pose error and a low overlap between measurements. This work proposes exploiting equivariant learning from 3D point clouds to improve registration robustness. We propose SE3ET, an SE(3)-equivariant registration framework that employs equivariant point convolution and equivariant transformer designs to learn expressive and robust geometric features. We tested the proposed registration method on indoor and outdoor benchmarks where the point clouds are under arbitrary transformations and low overlapping ratios. We also provide generalization tests and run-time performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google