RGB-D扫描的由细到粗全局配准
计算机视觉与模式识别
2016-11-24 v3
摘要
室内环境的RGB-D扫描对房地产、室内设计和虚拟现实等许多应用都很重要。然而，将手持相机在长视频序列中拍摄的RGB-D图像配准为全局一致的三维模型仍然具有挑战性。当前方法常常会丢失跟踪或产生漂移，从而无法重建大环境中的显著结构（例如不同房间中的平行墙壁）。为解决此问题，我们提出一种“由细到粗”的全局配准算法，该算法利用较细尺度上的鲁棒配准来引导在较粗尺度上检测和施加新的对应关系与结构约束。为测试全局配准算法，我们提供了一个基准数据集，包含来自SUN3D数据集的25个场景中的10,401个人工点击点对应。在使用该基准进行的实验中，我们发现我们的由细到粗算法在配准长RGB-D序列方面优于先前方法。
引用
@article{arxiv.1607.08539,
title = {Fine-To-Coarse Global Registration of RGB-D Scans},
author = {Maciej Halber and Thomas Funkhouser},
journal= {arXiv preprint arXiv:1607.08539},
year = {2016}
}