基于点云的鲁棒大规模室外场景重建
计算机视觉与模式识别
2019-05-24 v1 机器人学
摘要
在前端数据关联中幸存下来的离群特征匹配与回环闭合可能导致基于大规模点云的 3D 重建后端优化发生灾难性失败。为缓解此问题，我们提出一种在存在离群值情形下的鲁棒后端优化的概率方法。更具体地，我们将该问题建模为贝叶斯网络并使用期望最大化（Expectation-Maximization）算法求解。我们的方法利用长尾柯西分布来抑制里程计约束中的离群特征匹配，并利用带有二值潜变量集合的柯西-均匀混合模型来同时抑制离群回环闭合约束以及内回环闭合约束中的离群特征匹配。此外，我们证明通过使用高斯-均匀混合模型，我们的方法退化为一种最先进的鲁棒室内重建方法的表述。实验结果表明，我们的方法在基准室内数据集上可与最先进方法取得相当性能，并在大规模室外数据集上优于它。我们的源代码可在项目网站上找到。
引用
@article{arxiv.1905.09634,
title = {Robust Point Cloud Based Reconstruction of Large-Scale Outdoor Scenes},
author = {Ziquan Lan and Zi Jian Yew and Gim Hee Lee},
journal= {arXiv preprint arXiv:1905.09634},
year = {2019}
}
备注
CVPR 2019, 8 pages, 5 figures