論文の概要: Registration of 3D Point Sets Using Correntropy Similarity Matrix

• arxiv url: http://arxiv.org/abs/2107.09725v1
• Date: Tue, 20 Jul 2021 18:56:22 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-22 14:16:26.747082
• Title: Registration of 3D Point Sets Using Correntropy Similarity Matrix
• Title（参考訳）: correntropy similarity matrixを用いた3次元点集合の登録
• Authors: Ashutosh Singandhupe, Hung La, Trung Dung Ngo, Van Ho
• Abstract要約: この研究は、3Dポイントセットの登録やアライメントに焦点を当てている。 そこで我々は,Correntropy Relation Matrixを導入する標準ICPアルゴリズムの変種を提案する。 読者が私たちのアプローチを検証するために、私たちのコードをリポジトリにアップロードしました。
• 参考スコア（独自算出の注目度）: 1.4699455652461724
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This work focuses on Registration or Alignment of 3D point sets. Although the Registration problem is a well established problem and it's solved using multiple variants of Iterative Closest Point (ICP) Algorithm, most of the approaches in the current state of the art still suffers from misalignment when the \textit{Source} and the \textit{Target} point sets are separated by large rotations and translation. In this work, we propose a variant of the Standard ICP algorithm, where we introduce a Correntropy Relationship Matrix in the computation of rotation and translation component which attempts to solve the large rotation and translation problem between \textit{Source} and \textit{Target} point sets. This matrix is created through correntropy criterion which is updated in every iteration. The correntropy criterion defined in this approach maintains the relationship between the points in the \textit{Source} dataset and the \textit{Target} dataset. Through our experiments and validation we verify that our approach has performed well under various rotation and translation in comparison to the other well-known state of the art methods available in the Point Cloud Library (PCL) as well as other methods available as open source. We have uploaded our code in the github repository for the readers to validate and verify our approach https://github.com/aralab-unr/CoSM-ICP.
• Abstract（参考訳）: この研究は、3Dポイントセットの登録やアライメントに焦点を当てている。 登録問題はよく確立された問題であり、反復閉点アルゴリズム(ICP)の複数の変種を用いて解かれるが、現在の最先端のアプローチの多くは、大きな回転と変換によって \textit{Source} と \textit{Target} の点集合が分離されるときに、いまだに不整合に悩まされている。 本稿では,標準icpアルゴリズムの変種を提案する。ここでは,\textit{source} と \textit{target} の点集合間の大きな回転・変換問題を解くために,回転・変換成分の計算におけるコレントロピー関係行列を導入する。 この行列は、反復ごとに更新されるコレントロピー基準によって生成される。 このアプローチで定義されるコレントロピーの基準は、 \textit{source} データセットと \textit{target} データセットの間の関係を維持する。 実験と検証を通じて,提案手法は,Point Cloud Library (PCL) およびオープンソースとして利用可能な他の手法と比較して,様々な回転および翻訳の下で良好に動作していることを確認した。 我々は、読者が我々のアプローチを検証するために、githubリポジトリにコードをアップロードした https://github.com/aralab-unr/CoSM-ICP。

関連論文リスト

• Multiway Point Cloud Mosaicking with Diffusion and Global Optimization [74.3802812773891]
  マルチウェイポイントクラウドモザイクのための新しいフレームワーク(水曜日)を紹介する。 我々のアプローチの核心は、重複を識別し、注意点を洗練する学習されたペアワイズ登録アルゴリズムODINである。 4つの多種多様な大規模データセットを用いて、我々の手法は、全てのベンチマークにおいて大きなマージンで、最先端のペアとローテーションの登録結果を比較した。
  論文  参考訳（メタデータ） (2024-03-30T17:29:13Z)
• Coupled Laplacian Eigenmaps for Locally-Aware 3D Rigid Point Cloud Matching [0.0]
  局所構造を考慮したグラフラプラシアン固有写像に基づく新しい手法を提案する。 ラプラシアン固有写像の順序と符号のあいまいさに対処するために、結合ラプラシアンと呼ばれる新しい作用素を導入する。 これらの高次元空間間の類似性は、形状に一致するような局所的な意味のあるスコアを与えることを示す。
  論文  参考訳（メタデータ） (2024-02-27T10:10:12Z)
• 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)
• IDEA-Net: Dynamic 3D Point Cloud Interpolation via Deep Embedding Alignment [58.8330387551499]
  我々は、点方向軌跡(すなわち滑らかな曲線)の推定として問題を定式化する。 本稿では,学習した時間的一貫性の助けを借りて問題を解消する,エンドツーエンドのディープラーニングフレームワークであるIDEA-Netを提案する。 各種点群における本手法の有効性を実証し, 定量的かつ視覚的に, 最先端の手法に対する大幅な改善を観察する。
  論文  参考訳（メタデータ） (2022-03-22T10:14:08Z)
• PCAM: Product of Cross-Attention Matrices for Rigid Registration of Point Clouds [79.99653758293277]
  PCAMは、キー要素がクロスアテンション行列のポイントワイズ積であるニューラルネットワークである。 そこで本研究では,PCAMがステップ(a)とステップ(b)をディープネットを介して共同で解決する手法によって,最先端の成果が得られることを示す。
  論文  参考訳（メタデータ） (2021-10-04T09:23:27Z)
• Polygonal Point Set Tracking [50.445151155209246]
  本稿では,学習に基づく多角形点集合追跡手法を提案する。 私たちのゴールは、ターゲットの輪郭上の対応する点を追跡することです。 本稿では,部分歪みとテキストマッピングに対する本手法の視覚効果について述べる。
  論文  参考訳（メタデータ） (2021-05-30T17:12:36Z)
• Mapping of Sparse 3D Data using Alternating Projection [35.735398244213584]
  テクスチャがない場合にスパース3Dスキャンを登録する新しい手法を提案する。 KinectFusionのような既存の方法は、高密度の点雲に大きく依存している。 本稿では,交差制約と剛性制約の同時満足度として登録を定式化した2段階交互投影アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-10-04T17:40:30Z)
• Rethinking Positional Encoding in Language Pre-training [111.2320727291926]
  絶対的な位置符号化では、位置埋め込みと単語埋め込みに適用される付加操作が混合相関をもたらすことを示す。 我々はtextbfUntied textPositional textbfEncoding (T) を用いた textbfTransformer という新しい位置符号化手法を提案する。
  論文  参考訳（メタデータ） (2020-06-28T13:11:02Z)
• Robust 6D Object Pose Estimation by Learning RGB-D Features [59.580366107770764]
  本稿では、この局所最適問題を解くために、回転回帰のための離散連続的な新しい定式化を提案する。 我々はSO(3)の回転アンカーを均一にサンプリングし、各アンカーから目標への制約付き偏差を予測し、最適な予測を選択するための不確実性スコアを出力する。 LINEMOD と YCB-Video の2つのベンチマーク実験により,提案手法が最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2020-02-29T06:24:55Z)

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。