隐马尔可夫随机场迭代最近点
计算机视觉与模式识别
2017-11-17 v1 机器人学
摘要
当配准源自底层二维像素结构（例如结构光和闪光 LiDAR 传感器，或立体重建所产生的）的点云时，预期一个云中的某些点在另一个云中没有对应点，并且这些点会成片出现，例如沿深度图的边缘。在这项工作中，隐马尔可夫随机场模型用于在迭代最近点算法框架内捕获此先验。EM 算法用于估计分布参数和隐分量隶属关系。实验表明，当点云具有低或中等重叠时，该方法优于几种其他离群点剔除方法。
引用
@article{arxiv.1711.05864,
title = {Hidden Markov Random Field Iterative Closest Point},
author = {John Stechschulte and Christoffer Heckman},
journal= {arXiv preprint arXiv:1711.05864},
year = {2017}
}