Empir3D：一种多维点云评估框架
计算机视觉与模式识别
2024-09-20 v2 图像与视频处理
摘要
传感器、算法和计算硬件的进步使得实时三维感知成为可能。当前用于比较和评估三维模型质量的方法，如倒角距离（Chamfer）、豪斯多夫距离（Hausdorff）和推土机距离（Earth-Mover's distance），都是单维度的，并且存在局限性，包括无法捕捉覆盖率、密度与误差的局部变化，以及对离群点敏感。在本文中，我们提出了一种点云评估框架（Empir3D），由四个指标组成：分辨率（resolution）用于量化区分点云中各个部分的能力，精度（accuracy）用于测量配准误差，覆盖率（coverage）用于评估缺失数据的比例，以及伪影分数（artifact score）用于刻画伪影的存在。通过详细分析，我们展示了这些维度各自的互补性，以及它们相对于上述单维度度量的改进。此外，我们通过将两个三维感知应用（SLAM 和点云补全）的我们的指标与单维度指标进行比较，说明了 Empir3D 的实用性。我们相信 Empir3D 提升了我们推理点云的能力，并通过提供更丰富的性能评估来帮助更好地调试三维感知应用。我们的 Empir3D 实现、自定义真实世界数据集、对学习方法的评估，以及关于如何集成该流程的详细文档将在发表后公开提供。
引用
@article{arxiv.2306.03660,
title = {Empir3D : A Framework for Multi-Dimensional Point Cloud Assessment},
author = {Yash Turkar and Pranay Meshram and Christo Aluckal and Charuvahan Adhivarahan and Karthik Dantu},
journal= {arXiv preprint arXiv:2306.03660},
year = {2024}
}