RKHS-BA: A Robust Correspondence-Free Multi-View Registration Framework with Semantic Point Clouds

要約

この研究では、RKHS-BA と呼ばれる新しいマルチフレーム バンドル調整 (BA) フレームワークについて報告します。
これは、RGB-D/LiDAR と再現カーネル ヒルベルト空間 (RKHS) のセマンティック観測をエンコードする連続ランドマーク表現を使用します。
提案されたシステムは、対応関係のない姿勢グラフ定式化を使用して、古典的な点ごとの収束よりも一般化された収束を達成する損失関数を構築します。
シミュレーションデータと実際のデータでの多視点点群登録、スライディング ウィンドウ オドメトリ、およびグローバル LiDAR マッピングにおけるアプリケーションを実証します。
非常にノイズの多いシーンでも非常にロバストな姿勢推定を示し、さまざまなタイプのセマンティック入力で強力な一般化を示します。
オープンソース実装は https://github.com/UMich-CURLY/RKHS_BA でリリースされます。

要約(オリジナル)

This work reports a novel multi-frame Bundle Adjustment (BA) framework called RKHS-BA. It uses continuous landmark representations that encode RGB-D/LiDAR and semantic observations in a Reproducing Kernel Hilbert Space (RKHS). With a correspondence-free pose graph formulation, the proposed system constructs a loss function that achieves more generalized convergence than classical point-wise convergence. We demonstrate its applications in multi-view point cloud registration, sliding-window odometry, and global LiDAR mapping on simulated and real data. It shows highly robust pose estimations in extremely noisy scenes and exhibits strong generalization with various types of semantic inputs. The open source implementation is released in https://github.com/UMich-CURLY/RKHS_BA.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google