ICOS:基于对应关系的高效且高鲁棒旋转搜索与点云配准
机器人学
2021-05-11 v2 计算机视觉与模式识别
摘要
旋转搜索与点云配准是机器人与计算机视觉中的两个基本问题,分别旨在估计 3D 向量集之间以及点云之间的旋转与变换。由于现实应用中假设向量或点对应关系里存在可能数量极大的外点,鲁棒估计至关重要。本文提出 ICOS(利用兼容结构进行内点搜索),一种新颖、高效且高度鲁棒的求解器,用于基于对应关系的旋转搜索和点云配准问题。具体地,我们(i)为这两个问题提出并构建了一系列可建立各种不变量的兼容结构,以及(ii)设计了三个时间高效的框架,第一个用于旋转搜索,第二个用于已知尺度配准,第三个用于未知尺度配准,以基于所提兼容结构从不变约束随机采样中滤除外点并寻找内点。以此方式,即便外点比例极端,也能筛选出并收集内点用于有效求解最优旋转与变换,从而得到我们的鲁棒求解器 ICOS。通过在标准数据集上的丰富实验,我们证明:(i) 我们的求解器 ICOS 快速、准确,对超过 95% 外点具有鲁棒性,且对旋转搜索及已知尺度和未知尺度配准的内点召回率近 100%,优于其他最先进方法;(ii) ICOS 可用于多种现实应用。
引用
@article{arxiv.2104.14763,
title = {ICOS: Efficient and Highly Robust Rotation Search and Point Cloud Registration with Correspondences},
author = {Lei Sun},
journal= {arXiv preprint arXiv:2104.14763},
year = {2021}
}