多模态彩色点云到图像的对齐
计算机视觉与模式识别
2022-04-13 v2
摘要
利用监督学习从图像重建几何结构受限于可用精确数据的数量。此类数据的一种是准确的真实世界 RGB-D 图像。获取此类真值数据的一个主要挑战在于 RGB 图像与深度扫描仪所测点云之间的精确对齐。为克服该困难,我们考虑一种微分优化方法,通过迭代的几何与颜色匹配将彩色点云与给定彩色图像对齐。在所提框架中,该优化最小化点云颜色与图像像素对应颜色之间的光度差异。与试图减小该光度误差的其他方法不同,我们分析了图像平面上梯度的计算并提出了一种不同的直接方案。我们假设几何扫描相机与彩色相机传感器产生的颜色不同,因而具有不同的色度采集特性。在此多模态条件下,我们求得相机图像与点云颜色之间的变换。我们交替优化以点云位置对齐和不同颜色空间匹配。所提方法产生的对齐在合成数据上以定量评估、在真实场景上以定性结果进行了展示。
引用
@article{arxiv.2110.03249,
title = {Multimodal Colored Point Cloud to Image Alignment},
author = {Noam Rotstein and Amit Bracha and Ron Kimmel},
journal= {arXiv preprint arXiv:2110.03249},
year = {2022}
}