一种用于3D街景跨源点云配准的由粗到精算法
计算机视觉与模式识别
2016-10-25 v1
摘要
随着众多3D传感技术的发展，跨源点云上的物体配准引起了研究者兴趣。当点云由不同种类传感器获取时，存在大量且不同种类的差异。本研究解决一个更具挑战性的情况，其中不同源点云获取自真实街景。一个由LiDAR系统直接产生，另一个通过对RGB相机捕获的图像序列使用VSFM软件生成。当面对大规模点云时，先前方法多聚焦于逐点级配准，且方法有诸多局限。原因在于最小均方误差策略在配准大变异跨源点云时表现不佳。本文中，不同于先前基于ICP的方法，且从统计视角，我们提出一种有效的由粗到精算法，以在大规模LiDAR点云中检测并配准小尺度SFM点云。从实验结果看，该模型能成功运行于LiDAR和SFM点云，故可对许多应用如机器人与智慧城市发展做出贡献。
引用
@article{arxiv.1610.07324,
title = {A coarse-to-fine algorithm for registration in 3D street-view cross-source point clouds},
author = {Xiaoshui Huang and Jian Zhang and Qiang Wu and Lixin Fan and Chun Yuan},
journal= {arXiv preprint arXiv:1610.07324},
year = {2016}
}