用于鲁棒 3D 物体识别的旋转子群投票与位姿聚类
计算机视觉与模式识别
2018-08-29 v1
摘要
只要在每个表面点处可获得局部表面朝向（即法向量），就可以将两个 3D 形状之间高度受限的相对 6 DoF 位姿子集关联起来。局部形状特征可用于寻找模型间的假设点对应关系，因为它们能够处理噪声和不完整数据。然而，在实际场景中，该对应集通常受到外群点的污染，这导致了许多基于鲁棒检测器（如 Hough 变换或 RANSAC）的既往贡献。我们工作的关键见解是，两个模型上定向点之间的单个对应关系被限制在全方位姿群 SE(3) 的一个 1 DoF 旋转子群中进行投票。核密度估计允许有效地组合投票集，以确定模型间完整的 6 DoF 候选位姿。这种具有最高密度的模态位姿在噪声、杂乱和遮挡等挑战性条件下是稳定的，并提供了我们方法的输出估计。我们首先分析了该方法相对于噪声的鲁棒性，并表明在处理高外群率方面，它在 6 DoF 位姿估计任务上远优于 RANSAC。随后，我们将该方法应用于四个包含遮挡和杂乱场景的最先进 3D 物体识别数据集。我们的方法在两个 LIDAR 数据集上实现了完美的召回率，并在两个 RGB-D 数据集上超越了竞争方法，从而为使用点云数据进行通用 3D 物体识别树立了新标准。
引用
@article{arxiv.1709.02142,
title = {Rotational Subgroup Voting and Pose Clustering for Robust 3D Object Recognition},
author = {Anders Glent Buch and Lilita Kiforenko and Dirk Kraft},
journal= {arXiv preprint arXiv:1709.02142},
year = {2018}
}
备注
Accepted for International Conference on Computer Vision (ICCV), 2017