EOE：基于非结构化点云数据的期望重叠估计
计算机视觉与模式识别
2018-08-08 v1
摘要
我们提出了一种迭代重叠估计技术，用于增强现有的点云配准算法，可在姿态位移大且几何非重叠导致传统方法失效的困难真实世界场景中实现高性能。我们的方法通过迭代期望最大化过程估计重叠区域，该过程将传感器视场编码进配准流程。所提出的技术，即期望重叠估计(EOE)，源于如下观察：视场差异违背了所有基于最大似然的配准技术隐式持有的独立同分布假设。我们展示了我们的方法如何以最小计算开销增强许多流行配准方法。通过在合成与真实世界数据集上的实验，我们发现增加显式重叠估计步骤有助于鲁棒离群值处理，并提升基于ICP和基于GMM的配准方法的精度，尤其是在大型非结构化域以及点云间重叠量极小时。
引用
@article{arxiv.1808.02155,
title = {EOE: Expected Overlap Estimation over Unstructured Point Cloud Data},
author = {Ben Eckart and Kihwan Kim and Jan Kautz},
journal= {arXiv preprint arXiv:1808.02155},
year = {2018}
}
备注
The paper will be presented in 3DV 2018