G3Reg：基于金字塔图与高斯椭球模型的全局配准
计算机视觉与模式识别
2024-04-25 v2 机器人学
摘要
本研究提出一种新颖的框架G3Reg，用于LiDAR点云的快速鲁棒全局配准。与传统的复杂关键点与描述子不同，我们从原始点云中提取基础几何基元，包括平面、簇与线（PCL），以获得底层语义片段。每个片段表示为统一的高斯椭球模型（GEM），使用概率椭球以确保真实中心以一定概率被包含。利用这些GEM，我们提出一种基于金字塔兼容图的全局配准（PAGOR）的不信任—验证方案。具体而言，我们建立了一个可基于置信度遍历以进行兼容性测试的上界，从而构建金字塔图。随后，我们求解金字塔图每一层的多个最大团（MAC），由此生成相应的变换候选。在验证阶段，我们采用一种基于几何基元、精确高效的点云对齐质量度量来识别最优候选。该算法在三个公开数据集与一自采多时段数据集上得到验证。实验评估中参数设置保持不变。结果表明，相较于SOTA方法，G3Reg框架具有更优的鲁棒性与实时性能。此外，我们展示了将独立GEM与PAGOR组件集成至其他配准框架以提升其效能的潜力。代码：https://github.com/HKUST-Aerial-Robotics/G3Reg
引用
@article{arxiv.2308.11573,
title = {G3Reg: Pyramid Graph-based Global Registration using Gaussian Ellipsoid Model},
author = {Zhijian Qiao and Zehuan Yu and Binqian Jiang and Huan Yin and Shaojie Shen},
journal= {arXiv preprint arXiv:2308.11573},
year = {2024}
}
备注
Accepted to 2024 IEEE Transactions on Automation Science and Engineering (IEEE TASE)