点云配准算法基准测试集
机器人学
2022-04-27 v3 计算机视觉与模式识别
摘要
点云配准是许多点云处理流程的基础步骤；然而，大多数算法在临时收集且未与研究界共享的数据上测试。这些数据往往仅覆盖非常有限的用例，因此结果无法推广。迄今提出的公共数据集单独来看仅覆盖少数环境类型且大多使用单一传感器。出于这些原因，我们开发了一个面向定位与建图应用的基准，使用了多个公开可用数据集。由此，我们能够覆盖多种环境类型及多种可生成点云的传感器。此外，真值已经过细致检查与评估以确保其质量。对于部分数据集，原始作者未报告真值测量系统的精度，因此我们基于迭代配准算法以自有新方法进行了估计。除数据外，我们提供广泛的配准问题集，选取以覆盖不同类型的初始错位、不同程度的重叠及不同种类的配准问题。最后，我们提出一种度量配准算法性能的指标体系：它将常用的旋转与平移误差结合，以实现对齐结果的客观比较。本工作旨在鼓励作者使用公共共享基准而非临时收集的数据，以确保客观性与可重复性——任何科学领域的两项基本特征。
引用
@article{arxiv.2003.12841,
title = {A Benchmark for Point Clouds Registration Algorithms},
author = {Simone Fontana and Daniele Cattaneo and Augusto Luis Ballardini and Matteo Vaghi and Domenico Giorgio Sorrenti},
journal= {arXiv preprint arXiv:2003.12841},
year = {2022}
}