論文の概要: Minimum Potential Energy of Point Cloud for Robust Global Registration

• arxiv url: http://arxiv.org/abs/2006.06460v2
• Date: Fri, 12 Jun 2020 02:41:13 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-22 13:58:10.817426
• Title: Minimum Potential Energy of Point Cloud for Robust Global Registration
• Title（参考訳）: ロバストなグローバル登録のためのポイントクラウドの最小ポテンシャルエネルギー
• Authors: Zijie Wu, Yaonan Wang, Qing Zhu, Jianxu Mao, Haotian Wu, Mingtao Feng and Ajmal Mian
• Abstract要約: 本稿では,大域点集合登録のための最小重力ポテンシャルエネルギー(MPE)に基づく新しいアルゴリズムを提案する。 本稿では,提案アルゴリズムの性能を実データだけでなく合成データにも示す。
• 参考スコア（独自算出の注目度）: 45.82423981744138
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we propose a novel minimum gravitational potential energy (MPE)-based algorithm for global point set registration. The feature descriptors extraction algorithms have emerged as the standard approach to align point sets in the past few decades. However, the alignment can be challenging to take effect when the point set suffers from raw point data problems such as noises (Gaussian and Uniformly). Different from the most existing point set registration methods which usually extract the descriptors to find correspondences between point sets, our proposed MPE alignment method is able to handle large scale raw data offset without depending on traditional descriptors extraction, whether for the local or global registration methods. We decompose the solution into a global optimal convex approximation and the fast descent process to a local minimum. For the approximation step, the proposed minimum potential energy (MPE) approach consists of two main steps. Firstly, according to the construction of the force traction operator, we could simply compute the position of the potential energy minimum; Secondly, with respect to the finding of the MPE point, we propose a new theory that employs the two flags to observe the status of the registration procedure. The method of fast descent process to the minimum that we employed is the iterative closest point algorithm; it can achieve the global minimum. We demonstrate the performance of the proposed algorithm on synthetic data as well as on real data. The proposed method outperforms the other global methods in terms of both efficiency, accuracy and noise resistance.
• Abstract（参考訳）: 本稿では,大域点集合登録のための最小重力ポテンシャルエネルギー(MPE)に基づく新しいアルゴリズムを提案する。 特徴記述子抽出アルゴリズムは、過去数十年で点集合を整列させる標準的なアプローチとして登場した。 しかし、点集合がノイズ(ガウスと一様)のような生の点データ問題に苦しむ場合、アライメントは効果を取るのに困難である。 ポイントセット間の対応を求める記述子を通常抽出する最も既存のポイントセット登録方法とは異なり,提案するmpeアライメント法は,従来の記述子抽出によらず,局所的およびグローバル的登録方法にもよらず,大規模な生データオフセットを処理することができる。 解を大域的最適凸近似に分解し, 局所的最小値への高速降下過程に分解する。 近似ステップでは、提案された最小ポテンシャルエネルギー(mpe)アプローチは2つの主要なステップからなる。 第一に, 力トラクション演算子の構成により, ポテンシャルエネルギー最小位置を計算するだけでよいこと, 第二に, mpe点の発見に関して, 登録手続きの状態を観察するために2つの旗を用いる新しい理論を提案する。 我々が採用した極小への高速降下過程の方法は反復的最近点アルゴリズムであり、大域的最小値を達成することができる。 本研究では,実データだけでなく合成データにおいても提案アルゴリズムの性能を示す。 提案手法は, 効率, 精度, 耐雑音性に優れた他のグローバル手法よりも優れている。

関連論文リスト

• Micro-Structures Graph-Based Point Cloud Registration for Balancing Efficiency and Accuracy [5.70403503863614]
  マイクロ構造グラフに基づくグローバルポイントクラウド登録手法を提案する。 提案手法は3DMatch と ETH のデータセットでよく機能する。
  論文  参考訳（メタデータ） (2024-10-29T08:36:23Z)
• Efficient Low-rank Identification via Accelerated Iteratively Reweighted Nuclear Norm Minimization [8.879403568685499]
  パラメータの平滑化に適応的な更新戦略を導入する。 この振る舞いは、アルゴリズムを数回繰り返した後に、効果的に問題を解決するものに変えます。 すべてのイテレーションが重要なものであることを保証し、グローバルに提案された実験を証明します。
  論文  参考訳（メタデータ） (2024-06-22T02:37:13Z)
• SPARE: Symmetrized Point-to-Plane Distance for Robust Non-Rigid Registration [76.40993825836222]
  本研究では,SPAREを提案する。SPAREは,非剛性登録のための対称化点-平面間距離を用いた新しい定式化である。 提案手法は, 厳密でない登録問題の精度を大幅に向上し, 比較的高い解効率を維持する。
  論文  参考訳（メタデータ） (2024-05-30T15:55:04Z)
• Optimizing NOTEARS Objectives via Topological Swaps [41.18829644248979]
  本稿では,候補アルゴリズムの集合に有効な手法を提案する。 内部レベルでは、対象が与えられた場合、オフ・ザ・アート制約を利用する。 提案手法は,他のアルゴリズムのスコアを大幅に改善する。
  論文  参考訳（メタデータ） (2023-05-26T21:49:37Z)
• Deep Point-to-Plane Registration by Efficient Backpropagation for Error Minimizing Function [0.0]
  点集合登録の伝統的なアルゴリズムは、点から点までの距離を最小化するアルゴリズムよりも、剛性変換をより正確に推定する。 近年の深層学習に基づく手法はポイント・ツー・ポイント距離を最小化している。 本論文は,平面間登録における深層学習に基づく最初のアプローチを提案する。
  論文  参考訳（メタデータ） (2022-07-14T05:18:20Z)
• Efficiently Escaping Saddle Points in Bilevel Optimization [48.925688192913]
  バイレベル最適化は、機械学習における問題の1つだ。 双レベル最適化の最近の進歩は、最初の基本的非適応的多段階解析に収束する。
  論文  参考訳（メタデータ） (2022-02-08T07:10:06Z)
• Lower Bounds and Optimal Algorithms for Smooth and Strongly Convex Decentralized Optimization Over Time-Varying Networks [79.16773494166644]
  通信ネットワークのノード間を分散的に保存するスムーズで強い凸関数の和を最小化するタスクについて検討する。 我々は、これらの下位境界を達成するための2つの最適アルゴリズムを設計する。 我々は,既存の最先端手法と実験的な比較を行うことにより,これらのアルゴリズムの理論的効率を裏付ける。
  論文  参考訳（メタデータ） (2021-06-08T15:54:44Z)
• Adaptive Sampling for Best Policy Identification in Markov Decision Processes [79.4957965474334]
  本稿では,学習者が生成モデルにアクセスできる場合の,割引マルコフ決定(MDP)における最良の政治的識別の問題について検討する。 最先端アルゴリズムの利点を論じ、解説する。
  論文  参考訳（メタデータ） (2020-09-28T15:22:24Z)
• Second-Order Guarantees in Centralized, Federated and Decentralized Nonconvex Optimization [64.26238893241322]
  単純なアルゴリズムは、多くの文脈において優れた経験的結果をもたらすことが示されている。 いくつかの研究は、非最適化問題を研究するための厳密な分析的正当化を追求している。 これらの分析における重要な洞察は、摂動が局所的な降下アルゴリズムを許容する上で重要な役割を担っていることである。
  論文  参考訳（メタデータ） (2020-03-31T16:54:22Z)
• Replica Exchange for Non-Convex Optimization [4.421561004829125]
  勾配降下(GD)は凸目的関数に対して急速に収束することが知られているが、局所的なミニマに閉じ込められることがある。 ランゲヴィン力学(LD)は状態空間を探索し、大域的な最小値を見つけることができるが、正確な推定を得るためには、LDは小さな離散化ステップサイズで実行し、弱い力を検証する必要がある。 本稿では,これら2つのアルゴリズムとその非スワッピング変種が,単純な交換機構によって協調可能であることを示す。
  論文  参考訳（メタデータ） (2020-01-23T03:13:19Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。