使用高斯混合回归模型从深度数据中提取平面
计算机视觉与模式识别
2022-09-29 v4
摘要
我们提出了一种从深度数据中无监督提取分片平面模型的新算法。除其他应用外，此类模型是使自主智能体（机器人、汽车、无人机等）有效感知周围环境并进行三维导航的良好方式。我们提出通过以下方式实现：用分片线性高斯混合回归模型拟合数据，该模型的分量在平面上呈偏斜分布，使其外观呈扁平状而非椭球状；嵌入一个形式上纳入所提出的期望最大化算法的离群值修剪过程；以及选择性地融合连续、共面的分量。我们的部分动机是试图通过允许每个模型分量利用概率聚类使用所有可用数据，来估计更精确的平面提取。该算法在标准基准上进行了全面评估，结果表明其在现有最先进方法中名列前茅。
引用
@article{arxiv.1710.01925,
title = {Plane-extraction from depth-data using a Gaussian mixture regression model},
author = {Richard T. Marriott and Alexander Paschevich and Radu Horaud},
journal= {arXiv preprint arXiv:1710.01925},
year = {2022}
}
备注
11 pages, 2 figures, 1 table