三维点云中鲁棒的外在对称性估计
计算机视觉与模式识别
2023-07-04 v2
摘要
检测由三维点云表示的物体的反射对称平面是三维计算机视觉与几何处理中的基本问题，因其具有诸多应用，如压缩、目标检测、机器人抓取、三维表面重建等。针对干净的三维点云，已有若干高效方法解决此问题。然而，在存在离群点与缺失部分的情况下求解该问题颇具挑战。现有方法主要尝试通过基于投票的技术克服此挑战，但效率不高。在本工作中，我们提出了一种基于统计估计器的反射对称平面方法，其对离群点与缺失部分具有鲁棒性。我们将寻找反射对称最优估计器的问题表述为二维球面上的优化问题，该问题对于近似初始化可快速收敛至全局解。我们进一步适配热核签名用于镜像对称点对的对称性不变匹配。该方法帮助我们解耦了寻找最优对称平面与反射对称点间对应关系的鸡生蛋蛋生鸡问题。所提方法在基准数据集上相较于最先进方法取得了可比的均方真值误差，且 F-score 提升 4.5%。
引用
@article{arxiv.2109.09927,
title = {Robust Extrinsic Symmetry Estimation in 3D Point Clouds},
author = {Rajendra Nagar},
journal= {arXiv preprint arXiv:2109.09927},
year = {2023}
}