用于鲁棒全局配准的深度 Hough 投票
计算机视觉与模式识别
2021-09-10 v1
摘要
点云配准是估计对齐一对点云片段的刚体变换的任务。我们提出了一个高效且鲁棒的框架，用于真实世界 3D 扫描的两两配准，利用了 6D 变换参数空间中的 Hough 投票。首先，从点云对中提取深度几何特征以计算假定对应关系。然后，我们构建一组对应关系三元组，在 6D Hough 空间中进行投票，将变换参数表示为稀疏张量。接下来，应用全卷积细化模块来细化带噪声的投票。最后，我们从 Hough 空间中识别对应关系之间的共识，并以此预测最终的变换参数。我们的方法在 3DMatch 和 3DLoMatch 基准上优于 state-of-the-art 方法，同时在 KITTI 里程计数据集上取得了可比的性能。我们进一步通过在 ICL-NUIM 数据集上创造新的 state-of-the-art 来展示我们方法的泛化能力，在该数据集上我们将模块集成到多路配准流程中。
引用
@article{arxiv.2109.04310,
title = {Deep Hough Voting for Robust Global Registration},
author = {Junha Lee and Seungwook Kim and Minsu Cho and Jaesik Park},
journal= {arXiv preprint arXiv:2109.04310},
year = {2021}
}
备注
Accepted to ICCV 2021