面向彩色点云的质心距离关键点检测器
计算机视觉与模式识别
2023-06-16 v2 机器人学
摘要
关键点检测是许多计算机视觉与机器人应用的基础。尽管彩色点云易于获取，现有大多数关键点检测器仅提取几何显著关键点，这可能妨碍那些旨在（或有潜力）利用颜色信息的系统的整体性能。为推动此类系统的发展，我们提出一种高效的多模态关键点检测器，可在彩色点云中提取几何显著与颜色显著的关键点。所提出的质心距离（CED）关键点检测器包含一个直观且有效的显著性度量——质心距离，其可用于三维空间与颜色空间，以及一种多模态非极大值抑制算法，可选出在两种或多种模态中具有高显著性的关键点。该显著性度量直接利用局部邻域内点的分布，无需法线估计或特征值分解。我们在合成与真实世界数据集上，针对最先进的关键点检测器，从可重复性与计算效率（即运行时间）两方面评估所提方法。结果表明，我们的CED关键点检测器在保持高可重复性的同时所需计算时间极少。为展示所提方法的潜在应用之一，我们进一步研究了彩色点云配准任务。结果表明，在评估场景中，我们的CED检测器优于最先进的基于手工设计与基于学习的关键点检测器。所提方法的C++实现已公开于 https://github.com/UCR-Robotics/CED_Detector。
引用
@article{arxiv.2210.01298,
title = {Centroid Distance Keypoint Detector for Colored Point Clouds},
author = {Hanzhe Teng and Dimitrios Chatziparaschis and Xinyue Kan and Amit K. Roy-Chowdhury and Konstantinos Karydis},
journal= {arXiv preprint arXiv:2210.01298},
year = {2023}
}
备注
Accepted to IEEE/CVF Winter Conference on Applications of Computer Vision (WACV) 2023; copyright will be transferred to IEEE upon publication