論文の概要: Pairwise Point Cloud Registration using Graph Matching and
Rotation-invariant Features
- arxiv url: http://arxiv.org/abs/2105.02151v1
- Date: Wed, 5 May 2021 16:03:05 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-06 14:02:41.918578
- Title: Pairwise Point Cloud Registration using Graph Matching and
Rotation-invariant Features
- Title（参考訳）: グラフマッチングと回転不変特徴を用いたペアワイズポイントクラウド登録
- Authors: Rong Huang, Wei Yao, Yusheng Xu, Zhen Ye and Uwe Stilla
- Abstract要約: 回転不変特徴と新しい重み付きグラフマッチング法を併用した粒度対細登録戦略を開発した。
提案手法では, 回転誤差が0.2度未満, 翻訳誤差が0.1m未満の微細な登録が可能となる。
- 参考スコア（独自算出の注目度）: 8.897670503102342
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Registration is a fundamental but critical task in point cloud processing,
which usually depends on finding element correspondence from two point clouds.
However, the finding of reliable correspondence relies on establishing a robust
and discriminative description of elements and the correct matching of
corresponding elements. In this letter, we develop a coarse-to-fine
registration strategy, which utilizes rotation-invariant features and a new
weighted graph matching method for iteratively finding correspondence. In the
graph matching method, the similarity of nodes and edges in Euclidean and
feature space are formulated to construct the optimization function. The
proposed strategy is evaluated using two benchmark datasets and compared with
several state-of-the-art methods. Regarding the experimental results, our
proposed method can achieve a fine registration with rotation errors of less
than 0.2 degrees and translation errors of less than 0.1m.
- Abstract（参考訳）: 登録はポイントクラウド処理において基本だが重要なタスクであり、通常は2つのポイントクラウドから要素対応を見つけることに依存する。
しかし、信頼できる対応を見つけるには、要素のロバストで差別的な記述と対応する要素の正しい一致を確立する必要がある。
本報告では,回転不変特徴を利用した粗粒度対細登録戦略と,逐次対応を求める新しい重み付きグラフマッチング法を開発した。
グラフマッチング法では、ユークリッドおよび特徴空間におけるノードとエッジの類似性を定式化し、最適化関数を構成する。
提案手法は2つのベンチマークデータセットを用いて評価し,いくつかの最先端手法と比較した。
実験結果に関して,提案手法は, 0.2度未満の回転誤差と0.1m未満の翻訳誤差とで, 精密な登録が可能であった。
関連論文リスト
- 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) - Robust Point Cloud Registration Framework Based on Deep Graph
Matching(TPAMI Version) [13.286247750893681]
3Dポイントクラウドの登録は、コンピュータビジョンとロボティクスの基本的な問題である。
本稿では,ポイントクラウド登録のための新しいディープグラフマッチングベースのフレームワークを提案する。
論文 参考訳（メタデータ） (2022-11-09T06:05:25Z) - Overlap-guided Gaussian Mixture Models for Point Cloud Registration [61.250516170418784]
確率的3Dポイントクラウド登録法は、ノイズ、アウトレーヤ、密度変動を克服する競合性能を示した。
本稿では,一致したガウス混合モデル(GMM)パラメータから最適変換を演算する,重複誘導確率登録手法を提案する。
論文 参考訳（メタデータ） (2022-10-17T08:02:33Z) - Category-Level Global Camera Pose Estimation with Multi-Hypothesis Point
Cloud Correspondences [26.885846254261626]
対応探索は、剛点クラウド登録アルゴリズムにおける重要なステップである。
本稿では,部分点クラウドと完全点クラウドとをマッチングする場合に,各キーポイントに対する全ての対応性を保持する最適化手法を提案する。
また,ローカル・ポイント・クラウド・リージョン間の類似度を測定する新しいポイント・フィーチャー・ディスクリプタを提案する。
論文 参考訳（メタデータ） (2022-09-28T21:12:51Z) - Multiway Non-rigid Point Cloud Registration via Learned Functional Map
Synchronization [105.14877281665011]
我々は、点雲上に定義された学習関数に関する地図を同期させることにより、複数の非剛体形状を登録する新しい方法であるSyNoRiMを提案する。
提案手法は,登録精度において最先端の性能を達成できることを実証する。
論文 参考訳（メタデータ） (2021-11-25T02:37:59Z) - IRA: A shape matching approach for recognition and comparison of generic
atomic patterns [0.0]
原子構造における形状整合問題を解くための多目的パラメータレスアプローチを提案する。
このアルゴリズムは、回転原子中心参照フレームとアサインメントを反復的に提案する(Iterative Rotations and Assignments, IRA)。
IRAは、原子の数が異なる構造間の剛性回転、反射、翻訳、置換を見つけることができる。
1対1の割当制約の下で原子割り当てを計算するため、我々は独自のアルゴリズムであるCShDA(Constrained Shortest Distance Assignments)を開発した。
論文 参考訳（メタデータ） (2021-10-29T11:43:30Z) - Robust Point Cloud Registration Framework Based on Deep Graph Matching [5.865029600972316]
3Dポイントクラウド登録は、コンピュータビジョンとロボティクスにおける基本的な問題です。
点群登録のための深層グラフマッチングに基づく新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2021-03-07T04:20:29Z) - 3D Correspondence Grouping with Compatibility Features [51.869670613445685]
本稿では,3次元対応グルーピングのための簡易かつ効果的な手法を提案する。
目的は、局所幾何学的記述子を不整合と外接点にマッチングすることによって得られる初期対応を正確に分類することである。
本稿では,不整合と不整合を表わすために,互換性特徴(CF)と呼ばれる3次元対応の表現を提案する。
論文 参考訳（メタデータ） (2020-07-21T02:39:48Z) - FKAConv: Feature-Kernel Alignment for Point Cloud Convolution [75.85619090748939]
多数の点畳み込み法を関連づけ解析するための定式化を提供する。
また、幾何学のないカーネル重み付けの推定を分離する独自の畳み込み変種も提案する。
分類とセマンティックセグメンテーションのベンチマークで競合する結果を示す。
論文 参考訳（メタデータ） (2020-04-09T10:12:45Z) - RPM-Net: Robust Point Matching using Learned Features [79.52112840465558]
RPM-Netは、より敏感で、より堅牢なディープラーニングベースのアプローチである。
既存の方法とは異なり、我々のRPM-Netは、部分的な可視性を備えた対応や点雲の欠如を処理します。
論文 参考訳（メタデータ） (2020-03-30T13:45:27Z) - Efficient and Robust Shape Correspondence via Sparsity-Enforced
Quadratic Assignment [16.03666555216332]
そこで我々は,新しい局所的なペアワイズ記述子を導入し,その結果の2次代入を解くための,シンプルで効果的な反復法を開発した。
我々のペアワイズ記述子は、ラプラス・ベルトラミ微分作用素の有限要素近似の剛性と質量反復行列に基づいている。
我々は,大規模データセット,パッチ,ポイントクラウド上での手法の効率性,品質,汎用性を示すために,様々な実験を行った。
論文 参考訳（メタデータ） (2020-03-19T10:56:16Z)
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。