RANSIC：基于不变兼容性的旋转搜索与点云配准的快速高鲁棒估计方法
计算机视觉与模式识别
2021-11-09 v3 机器人学
摘要
基于对应关系的旋转搜索与点云配准是机器人与计算机视觉中的两个基本问题。然而，离群点的存在（有时甚至占 putative 对应关系的绝大多数）会使许多现有算法失效或计算代价极高。本文提出 RANSIC（RANdom Sampling with Invariant Compatibility，基于不变兼容性的随机采样），一种适用于上述两个问题、基于随机采样与不变性兼兼容性相结合新范式的快速高鲁棒方法。一般而言，RANSIC 首先从对应关系集中随机选取小子集，然后通过各问题中建立的不变量的兼容性检验从随机子集中寻找作为图顶点的潜在内点，最终当存在至少一个 K 度顶点（K 依问题自动更新）且残差误差同时满足某一终止条件时返回合格内点。在多个合成与真实实验中，我们证明 RANSIC 使用快速，对超过 95% 的离群点具有鲁棒性，并能召回约 100% 的内点，在旋转搜索与点云配准问题上均优于其他 SOTA 求解器。
引用
@article{arxiv.2104.09133,
title = {RANSIC: Fast and Highly Robust Estimation for Rotation Search and Point Cloud Registration using Invariant Compatibility},
author = {Lei Sun},
journal= {arXiv preprint arXiv:2104.09133},
year = {2021}
}