3DMNDT：基于正态分布变换的 3D 多视图配准方法
计算机视觉与模式识别
2021-03-23 v1 机器人学
摘要
正态分布变换（NDT）是一种有效的点集配准范式。该方法最初为成对配准设计，应用于多视图配准时将面临巨大挑战。在 NDT 框架下，本文提出一种新颖的多视图配准方法，名为基于正态分布变换的 3D 多视图配准（3DMNDT），其集成了 K-means 聚类与李代数求解器以实现多视图配准。更具体地，多视图配准被转化为极大似然估计问题。然后，利用 K-means 算法将所有数据点划分至不同簇，其中计算一个正态分布以局部建模每簇中测量到数据点的概率。随后，配准问题由基于 NDT 的似然函数表述。为最大化该似然函数，开发李代数求解器以顺序优化每个刚性变换。所提方法交替执行数据点聚类、NDT 计算与似然最大化，直至获得期望的配准结果。在基准数据集上的实验结果说明，所提方法在多视图配准上可达到最先进的性能。
引用
@article{arxiv.2103.11084,
title = {3DMNDT:3D multi-view registration method based on the normal distributions transform},
author = {Jihua Zhu and Di Wang and Jiaxi Mu and Huimin Lu and Zhiqiang Tian and Zhongyu Li},
journal= {arXiv preprint arXiv:2103.11084},
year = {2021}
}