基于梯度下降的点云流与顺序包围盒配准
计算机视觉与模式识别
2024-09-17 v1 机器人学
摘要
本文提出一种用于配准点云流与顺序包围盒的算法。不同于流行的点云配准技术，本方法可利用包围盒的特性（如大小、形状和时序信息），从而获得显著支持与性能提升。基于此，我们提出了新方法以解决此问题。具体而言，我们通过包含最终目标及所有约束的整体目标函数来建模配准过程，然后使用梯度下降进行优化。实验表明，所提方法在IoU上提升约40%，并在点云流与顺序包围盒之间实现更稳健的配准。
引用
@article{arxiv.2409.09312,
title = {Registration between Point Cloud Streams and Sequential Bounding Boxes via Gradient Descent},
author = {Xuesong Li and Xinge Zhu and Yuexin Ma and Subhan Khan and Jose Guivant},
journal= {arXiv preprint arXiv:2409.09312},
year = {2024}
}