GraphReg：基于几何感知图信号处理的动态点云配准
计算机视觉与模式识别
2023-02-03 v1
摘要
本研究提出一种高精度、高效且物理驱动的三维点云配准方法，该问题是许多重要三维视觉问题的核心。与现有仅考虑空间点信息而忽略表面几何的基于物理的方法不同，我们探索几何感知刚体动力学以调节粒子（点）运动，从而获得更精确、更鲁棒的配准。我们提出的方法包含四个主要模块。首先，我们利用图信号处理（GSP）框架定义一种新的签名（即每个点的点响应强度），借此成功描述局部表面变化、重采样关键点并区分不同粒子。然后，为解决当前基于物理的方法对离群点敏感的缺陷，我们将定义的点响应强度适配于鲁棒统计中的中位数绝对偏差（MAD）并采用X84原则进行自适应离群点抑制，确保鲁棒稳定的配准。随后，我们提出一种刚体变换下的新型几何不变量以融入点云的高阶特征，并进一步嵌入力建模中以可信地引导成对扫描间的对应。最后，我们引入自适应模拟退火（ASA）方法搜索全局最优并大幅加速配准过程。我们在从范围扫描仪到LiDAR获取的各种数据集上进行了综合实验来评估所提方法。结果表明，我们提出的方法在精度上优于代表性的最先进方法，且更适用于大规模点云配准。此外，它比大多数竞争者明显更快且更鲁棒。
引用
@article{arxiv.2302.01109,
title = {GraphReg: Dynamical Point Cloud Registration with Geometry-aware Graph Signal Processing},
author = {Zhao Mingyang and Ma Lei and Jia Xiaohong and Yan Dong-Ming and Huang Tiejun},
journal= {arXiv preprint arXiv:2302.01109},
year = {2023}
}