基于两阶段候选检索的增量式多视角点云配准
计算机视觉与模式识别
2024-07-11 v1 机器人学
摘要
多视角点云配准是众多计算机视觉任务的基石。以往方法通常遵循全局范式，即首先构建姿态图，然后进行运动同步以确定绝对姿态。然而，这种分离的方法可能未充分利用多视角配准的特征，同时在低重叠场景中可能提出困难。在本文中，我们提出一种增量式多视角点云配准方法，通过逐步将所有扫描配准到不断扩大的元形状上来实现。为确定增量排序，我们采用基于邻域融合增强全局聚合特征的粗到细策略进行点云候选检索。第一阶段基于邻域融合增强的全局聚合特征进行粗略筛选扫描；第二阶段通过基于几何的匹配对候选进行重新排序。此外，我们应用变换平均化技术来缓解配准过程中累积误差。最后，我们采用基于储罐抽样的技术来解决密度差异问题并降低计算负载。广泛的实验结果表明，我们的方法在各种基准数据集上有效且具通用性。
引用
@article{arxiv.2407.07525,
title = {Incremental Multiview Point Cloud Registration with Two-stage Candidate Retrieval},
author = {Shiqi Li and Jihua Zhu and Yifan Xie and Mingchen Zhu},
journal= {arXiv preprint arXiv:2407.07525},
year = {2024}
}