一种面向鲁棒、部分到全点云配准的直接半穷举搜索方法
机器人学
2025-02-04 v1 计算机视觉与模式识别
摘要
点云配准指的是找到两个给定点云之间的刚性变换问题，这对于机器人和计算机视觉中的许多应用至关重要。本文的核心思想是，我们可以利用一种算法简单却计算复杂的半穷举搜索方法，直接优化点云配准问题而无需配对，该方法非常适合在现代GPU上进行并行化。我们提出的算法Direct Semi-Exhaustive Search（DSES）遍历潜在的旋转矩阵，并高效计算与每个旋转矩阵相关联的能够最大化内点数的平移。随后，它通过直接计算每个变换候选 {R, t} 所对应的误差来计算最优刚性变换。通过利用现代GPU的并行性，DSES在模拟的ModelNet40基准上对部分到全点云配准超过了当前最先进的方法，并在真实世界机器人问题中展示了高性能和鲁棒性（https://youtu.be/q0q2-s2KSuA）。
引用
@article{arxiv.2502.00115,
title = {A Direct Semi-Exhaustive Search Method for Robust, Partial-to-Full Point Cloud Registration},
author = {Richard Cheng and Chavdar Papozov and Dan Helmick and Mark Tjersland},
journal= {arXiv preprint arXiv:2502.00115},
year = {2025}
}
备注
IROS 2024