用于 6-DOF 位姿估计的 2D 与 3D 描述子无约束匹配
计算机视觉与模式识别
2020-06-01 v1 机器学习
机器人学
摘要
本文提出了一种新概念，将直接从 2D 图像提取的特征描述子与从 3D 点云提取的特征描述子进行直接匹配。我们利用这一概念在 3D 点云中直接对图像进行定位。我们生成了一个包含匹配的 2D 和 3D 点及其对应特征描述子的数据集，用于学习 Descriptor-Matcher 分类器。为了在测试时定位图像的位姿，我们从查询图像中提取关键点和特征描述子。然后使用训练好的 Descriptor-Matcher 来匹配图像与点云之间的特征。匹配特征的位置被用于鲁棒的位姿估计算法中，以预测查询图像的位置和方向。我们对所提出的方法在室内和室外场景以及不同类型的点云下进行了广泛评估，以验证我们方法的可行性。实验结果表明，直接匹配来自图像和点云的特征描述子不仅是一个可行的想法，而且还可以可靠地以无约束的方式高精度地估计任意类型 3D 点云中查询相机的 6-DOF 位姿。
引用
@article{arxiv.2005.14502,
title = {Unconstrained Matching of 2D and 3D Descriptors for 6-DOF Pose Estimation},
author = {Uzair Nadeem and Mohammed Bennamoun and Roberto Togneri and Ferdous Sohel},
journal= {arXiv preprint arXiv:2005.14502},
year = {2020}
}