基于归一化信息距离的高效 surfel 融合
计算机视觉与模式识别
2021-08-12 v1
摘要
我们提出了一种新技术，显著减少了基于融合的稠密三维建图系统收敛到准确、去噪的表面重建所需的测量数量。这是通过采用归一化信息距离（Normalised Information Distance）度量实现的，该度量计算每帧传入信息相对于重建内容的新颖性，并避免融合那些超过冗余阈值的帧。这为优化表面重建精度与处理帧的计算成本之间的权衡提供了原则性方法。该技术构建于 ElasticFusion（EF）算法之上，我们通过对 ICL-NUIM 和 TUM RGB-D 数据集的应用，报告了该技术的可扩展性及所得地图精度的结果。这些结果表明，与原始 EF 算法相比，该方法仅利用一小部分帧即可执行准确的表面重建。
引用
@article{arxiv.2108.05163,
title = {Efficient Surfel Fusion Using Normalised Information Distance},
author = {Louis Gallagher and John B. McDonald},
journal= {arXiv preprint arXiv:2108.05163},
year = {2021}
}
备注
4 pages, 4 figures, presented at CVPR 2019 Workshop on 3D Scene Understanding for Vision, Graphics, and Robotics