ObjectMatch：基于规范物体对应关系的鲁棒配准
计算机视觉与模式识别
2023-03-28 v2 机器学习
摘要
我们提出 ObjectMatch，一种用于 RGB-D SLAM 流水线的语义且以物体为中心的相机位姿估计器。现代相机位姿估计器依赖帧间重叠区域的直接对应关系；然而，它们无法对齐重叠极少或无重叠的相机帧。本工作中，我们提议利用通过语义物体识别获得的间接对应关系。例如，当一物体在一帧中从正面、另一帧中从背面被观测时，我们可通过规范物体对应关系提供额外的位姿约束。我们首先提出一个神经网络在逐像素层面预测此类对应关系，随后将其与最先进的关键点匹配在我们的能量公式中结合，并通过联合高斯-牛顿优化求解。在成对设置中，我们的方法提升了最先进特征匹配的配准召回率，在帧间重叠 10% 或更少的图像对中从 24% 提升至 45%。在注册 RGB-D 序列时，我们的方法在具有挑战性的低帧率场景中优于前沿 SLAM 基线，在多个场景中实现超过 35% 的轨迹误差缩减。
引用
@article{arxiv.2212.01985,
title = {ObjectMatch: Robust Registration using Canonical Object Correspondences},
author = {Can Gümeli and Angela Dai and Matthias Nießner},
journal= {arXiv preprint arXiv:2212.01985},
year = {2023}
}
备注
Project Page: http://cangumeli.github.io/ObjectMatch Video: https://www.youtube.com/watch?v=kuXoKVrzURk