一种针对极高异常值率的鲁棒配准的多项式时间解法

Heng Yang; Luca Carlone

一种针对极高异常值率的鲁棒配准的多项式时间解法

机器人学 2019-07-02 v2 计算机视觉与模式识别

作者: Heng Yang , Luca Carlone

摘要

我们提出了一种在存在大量异常值情况下配准两组3D点的鲁棒方法。我们的第一项贡献是使用截断最小二乘(Truncated Least Squares, TLS)代价对配准问题进行重构,使估计对大量虚假的点对点对应不敏感。第二项贡献是一个将旋转、平移和尺度估计解耦的通用框架,从而能够级联求解这三种变换。由于每个子问题(尺度、旋转和平移估计)本质上仍是非凸且组合的,我们的第三项贡献是证明:(i) TLS尺度和(分量式)平移估计可通过自适应投票方案精确且在多项式时间内求解;(ii) TLS旋转估计可松弛为半定规划,且该松弛在实践中是紧的,即便在极端数量的异常值存在时亦然。我们在标准配准基准上验证了所提算法(命名为TEASER,即Truncated least squares Estimation And SEmidefinite Relaxation),表明该算法优于RANSAC和鲁棒局部优化技术,并与Branch-and-Bound方法相当,同时是一个多项式时间算法。TEASER可容忍高达99%的异常值并返回高精度解。

关键词

鲁棒配准 3D点集截断最小二乘异常值多项式时间半定松弛 TEASER

引用

@article{arxiv.1903.08588,
  title  = {A Polynomial-time Solution for Robust Registration with Extreme Outlier Rates},
  author = {Heng Yang and Luca Carlone},
  journal= {arXiv preprint arXiv:1903.08588},
  year   = {2019}
}

备注

18 pages, Accepted for publication in Robotics: Science and Systems, 2019

一种针对极高异常值率的鲁棒配准的多项式时间解法

摘要

关键词

引用

备注

相关论文