面向 RANSAC 假设与三维刚体配准的高效鲁棒度量
计算机视觉与模式识别
2020-11-11 v1 机器人学
摘要
本文致力于为 RANSAC 假设开发高效且鲁棒的评估度量，以实现准确的三维刚体配准。从特征对应中估计六自由度（6-DoF）位姿仍是三维刚体配准的常用方法，其中随机采样一致性（RANSAC）是该问题的实际标准选择。然而，现有的 RANSAC 假设度量要么耗时，要么对常见干扰、参数变化及不同应用场景敏感，导致整体配准精度与速度下降。我们通过首先分析内点与外点的贡献，进而提出若干具有不同设计动机的高效鲁棒 RANSAC 假设度量来缓解该问题。在四个具有不同干扰与应用场景的标准数据集上的对比实验验证了所提度量能显著提升配准性能，且比若干 SOTA 竞争对手更鲁棒，使其成为实际应用的良好助力。本工作还得出一个有趣结论，即并非所有内点都相等而所有外点应当相等，这或许能为该研究问题提供新的启示。
引用
@article{arxiv.2011.04862,
title = {On Efficient and Robust Metrics for RANSAC Hypotheses and 3D Rigid Registration},
author = {Jiaqi Yang and Zhiqiang Huang and Siwen Quan and Qian Zhang and Yanning Zhang and Zhiguo Cao},
journal= {arXiv preprint arXiv:2011.04862},
year = {2020}
}