KSS-ICP:基于Kendall形状空间的点云配准
计算机视觉与模式识别
2023-03-22 v1
摘要
点云配准是一个热门话题,已广泛应用于三维模型重建、定位与检索。本文提出一种新的配准方法KSS-ICP,以在Kendall形状空间(KSS)中结合迭代最近点(ICP)解决刚性配准任务。KSS是一个商空间,去除了平移、尺度与旋转对基于形状特征分析的影响。此类影响可归纳为不改变形状特征的相似变换。点云在KSS中的表示对相似变换具有不变性。我们利用该性质设计KSS-ICP用于点云配准。为克服一般情形下难以获得KSS表示的困难,所提KSS-ICP给出了一种无需复杂特征分析、数据训练与优化的实用方案。凭借简单实现,KSS-ICP从点云中实现了更精确的配准,对相似变换、非均匀密度、噪声与缺损部分具有鲁棒性。实验表明KSS-ICP优于当前最先进水平(state of the art)。
引用
@article{arxiv.2211.02807,
title = {KSS-ICP: Point Cloud Registration based on Kendall Shape Space},
author = {Chenlei Lv and Weisi Lin and Baoquan Zhao},
journal= {arXiv preprint arXiv:2211.02807},
year = {2023}
}
备注
13 pages, 20 figures