基于方向混合模型的鲁棒特征点配准
计算机视觉与模式识别
2019-12-12 v1 机器人学
摘要
本文提出了一种鲁棒的概率点配准方法，用于估计两个点云数据集之间的刚性变换（即旋转矩阵和平移向量）。该方法提高了点配准的鲁棒性，从而在由于点云中遮挡、动态物体和传感器误差而总是出现的离群点情况下，提高了机器人定位的鲁棒性。该框架基于单位球面上的方向统计对点配准任务进行建模。特别地，采用了 Kent 分布混合模型，并在期望最大化算法的两个阶段中执行点配准过程。所提方法已在室内环境中来自 LiDAR 传感器的点云数据集上进行了评估。
引用
@article{arxiv.1912.05016,
title = {Robust Feature-Based Point Registration Using Directional Mixture Model},
author = {Saman Fahandezh-Saadi and Di Wang and Masayoshi Tomizuka},
journal= {arXiv preprint arXiv:1912.05016},
year = {2019}
}