一种用于立体与RGB-D相机语义点云配准的新框架
计算机视觉与模式识别
2020-12-08 v1 机器人学
摘要
本文报道了一种新颖的非参数刚性点云配准框架,其将颜色和语义标签等几何与语义度量联合整合到对齐过程中,且不需要显式的数据关联。点云被表示为再生核希尔伯特空间中的非参数函数。对齐问题被表述为最大化两个函数间的内积,本质上是加权核之和,其中每个核利用局部几何与语义特征。由于连续模型的存在,可计算解析梯度,并可通过在刚体变换群上优化获得局部解。此外,我们提出了一种契合所提框架且考虑几何与语义信息的新型点云对齐度量。使用公开立体与RGB-D数据集的评估表明,该方法优于SOTA的室外与室内帧间配准方法。我们还提供了开源GPU实现。
引用
@article{arxiv.2012.03683,
title = {A New Framework for Registration of Semantic Point Clouds from Stereo and RGB-D Cameras},
author = {Ray Zhang and Tzu-Yuan Lin and Chien Erh Lin and Steven A. Parkison and William Clark and Jessy W. Grizzle and Ryan M. Eustice and Maani Ghaffari},
journal= {arXiv preprint arXiv:2012.03683},
year = {2020}
}
备注
8 pages, 5 figures