論文の概要: TriVoC: Efficient Voting-based Consensus Maximization for Robust Point
Cloud Registration with Extreme Outlier Ratios
- arxiv url: http://arxiv.org/abs/2111.00657v1
- Date: Mon, 1 Nov 2021 02:03:40 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-03 04:06:59.886817
- Title: TriVoC: Efficient Voting-based Consensus Maximization for Robust Point
Cloud Registration with Extreme Outlier Ratios
- Title（参考訳）: trivoc:ロバストなポイントクラウド登録のための効率的な投票ベースのコンセンサス最大化
- Authors: Lei Sun, Lu Deng
- Abstract要約: 本稿では, 頑健な登録問題の解法として, TriVoC という新しい, 高速, 決定論的, 確固とした解法を提案する。
TriVoCは最大99%の外れ値に対して堅牢であり、非常に正確で、極端な外れ値比でさえも時間効率が良く、また現実世界のアプリケーションにも実用的であることを示す。
- 参考スコア（独自算出の注目度）: 6.8858952804978335
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Correspondence-based point cloud registration is a cornerstone in robotics
perception and computer vision, which seeks to estimate the best rigid
transformation aligning two point clouds from the putative correspondences.
However, due to the limited robustness of 3D keypoint matching approaches,
outliers, probably in large numbers, are prone to exist among the
correspondences, which makes robust registration methods imperative.
Unfortunately, existing robust methods have their own limitations (e.g. high
computational cost or limited robustness) when facing high or extreme outlier
ratios, probably unsuitable for practical use. In this paper, we present a
novel, fast, deterministic and guaranteed robust solver, named TriVoC
(Triple-layered Voting with Consensus maximization), for the robust
registration problem. We decompose the selecting of the minimal 3-point sets
into 3 consecutive layers, and in each layer we design an efficient voting and
correspondence sorting framework on the basis of the pairwise equal-length
constraint. In this manner, the 3-point sets can be selected independently from
the reduced correspondence sets according to the sorted sequence, which can
significantly lower the computational cost and meanwhile provide a strong
guarantee to achieve the largest consensus set (as the final inlier set) as
long as a probabilistic termination condition is fulfilled. Varied experiments
show that our solver TriVoC is robust against up to 99% outliers, highly
accurate, time-efficient even with extreme outlier ratios, and also practical
for real-world applications, showing performance superior to other
state-of-the-art competitors.
- Abstract（参考訳）: 対応ベースの点雲登録は、ロボットの知覚とコンピュータビジョンの基盤であり、2点雲を対応づける最良の剛性変換を推定することを目指している。
しかし、3次元キーポイントマッチングアプローチのロバスト性が限られているため、おそらく大きな数のアウトリアーは対応式の中に存在しがちであり、ロバストな登録手法が必須となる。
残念なことに、既存のロバストな手法は、高または極端な外れ値比に直面した場合に、それぞれ独自の制限(高い計算コストや限られたロバスト性)を持つ。
本稿では, 頑健な登録問題に対して, TriVoC (Triple-layered Voting with Consensus maximization) という, 高速, 決定論的, 確固な解決法を提案する。
最小の3点セットの選択を3つの連続したレイヤに分解し,各レイヤにおいて,ペアワイズ等長制約に基づいて効率的な投票・対応ソートフレームワークを設計する。
このように、3点集合は、ソートされたシーケンスに従って縮小された対応集合から独立して選択することができ、計算コストを大幅に下げる一方、確率的終了条件を満たす限り、最大のコンセンサスセット(最終イリヤセット)を達成するための強い保証を提供する。
様々な実験によって、我々の解法トライボックは最大99%の外れ値に対して堅牢であり、極端な外れ値比でも精度が高く、時間効率が高く、実世界のアプリケーションでも実用的であり、他の最先端の競合よりもパフォーマンスが優れていることが示された。
関連論文リスト
- Reliability-Adaptive Consistency Regularization for Weakly-Supervised
Point Cloud Segmentation [80.07161039753043]
極端に限られたラベルを持つ弱教師付きポイントクラウドセグメンテーションは、高額な注釈付き3Dポイントの収集コストを軽減するのが望ましい。
本稿では、弱教師付き学習において一般的に用いられる一貫性の正則化を、複数のデータ固有の拡張を伴うポイントクラウドに適用することを検討する。
疑似ラベルの信頼性を評価するために,予測信頼性とモデル不確実性を両立させる新しい信頼性適応整合ネットワーク(RAC-Net)を提案する。
論文 参考訳（メタデータ） (2023-03-09T10:41:57Z) - Practical, Fast and Robust Point Cloud Registration for 3D Scene
Stitching and Object Localization [6.8858952804978335]
3Dポイントクラウドの登録は、リモートセンシング、フォトグラメトリー、ロボティクス、幾何学的コンピュータビジョンの基本的な問題である。
極端外れ率のポイントクラウド登録問題に対して,VOCRAという新しい高速かつ高堅牢なソリューションを提案する。
我々の解法VOCRAは99%以上の外れ値に対して堅牢であり、最先端の競合よりも時間効率が高いことを示す。
論文 参考訳（メタデータ） (2021-11-08T01:49:04Z) - DANIEL: A Fast and Robust Consensus Maximization Method for Point Cloud
Registration with High Outlier Ratios [6.8858952804978335]
対応ベースのポイントクラウドの登録は、コンピュータビジョン、ロボティクスの知覚、フォトグラム、リモートセンシングの基盤となっている。
現在の3Dキーポイントマッチング技術は、おそらく非常に多くの場合において、外れ値が得られる傾向にある。
本稿では, DANIEL という新しい時間効率RANSAC型コンセンサス解法を提案する。
論文 参考訳（メタデータ） (2021-10-11T08:27:00Z) - Efficient First-Order Contextual Bandits: Prediction, Allocation, and
Triangular Discrimination [82.52105963476703]
統計的学習、オンライン学習、その他における繰り返しのテーマは、低騒音の問題に対してより速い収束率が可能であることである。
1次保証は統計的およびオンライン学習において比較的よく理解されている。
三角識別と呼ばれる対数損失と情報理論量が一階保証を得る上で基本的な役割を担っていることを示す。
論文 参考訳（メタデータ） (2021-07-05T19:20:34Z) - ICOS: Efficient and Highly Robust Point Cloud Registration with
Correspondences [6.8858952804978335]
ポイントクラウド登録は、ロボット工学とコンピュータビジョンの基本的な問題である。
本論文では,通信型ポイントクラウド登録問題に対する,新規で効率的かつ堅牢なソリューションであるICOSについて述べる。
論文 参考訳（メタデータ） (2021-04-30T05:41:53Z) - IRON: Invariant-based Highly Robust Point Cloud Registration [6.8858952804978335]
本稿では,多量の外れ値を持つ点クラウド登録のための非最小かつ高ロバストな解を提案する。
IRONは効率が高く,精度が高く,99%のアウトレーヤに対して堅牢であることを示す。
論文 参考訳（メタデータ） (2021-03-07T13:46:56Z) - Canny-VO: Visual Odometry with RGB-D Cameras based on Geometric 3D-2D
Edge Alignment [85.32080531133799]
本稿では,自由形式の曲線登録に関する古典的な問題をレビューし,効率的なrgbdビジュアルオドメトリシステムcanny-voに適用する。
エッジ登録でよく用いられる距離変換の代替として、近似近接近傍場と配向近接近傍場という2つの方法が提案されている。
3D2Dエッジアライメントは、効率性と精度の両方の観点から、これらの代替製剤の恩恵を受けます。
論文 参考訳（メタデータ） (2020-12-15T11:42:17Z) - On Efficient and Robust Metrics for RANSAC Hypotheses and 3D Rigid
Registration [51.64236850960365]
本稿では, 高精度な3次元剛性登録を実現するために, RANSAC仮説の効率的かつ堅牢な評価指標の開発に焦点をあてる。
Inlierとoutlierのコントリビューションを分析し、RANSAC仮説の異なる設計モチベーションを持つ、いくつかの効率的で堅牢なメトリクスを提案する。
論文 参考訳（メタデータ） (2020-11-10T02:22:45Z) - Learning 3D-3D Correspondences for One-shot Partial-to-partial
Registration [66.41922513553367]
学習に基づく部分的対部分的な登録をワンショットで行うことができることを示す。
そこで本研究では,ビンの利用により閉塞点を考慮に入れた最適輸送層を提案する。
結果として得られるOPRNetフレームワークは、標準ベンチマークにおける最先端技術を上回っている。
論文 参考訳（メタデータ） (2020-06-08T12:35:47Z) - Triple Wins: Boosting Accuracy, Robustness and Efficiency Together by
Enabling Input-Adaptive Inference [119.19779637025444]
深層ネットワークは、(クリーンな自然画像の場合)正確さと(敵対的な摂動画像の場合)頑健さの相違に直面することを最近提案された。
本稿では,入力適応推論に関連するマルチエグジットネットワークについて検討し,モデル精度,ロバスト性,効率の最適化において「スイートポイント」を達成する上での強い期待を示す。
論文 参考訳（メタデータ） (2020-02-24T00:40:22Z) - TEASER: Fast and Certifiable Point Cloud Registration [30.19476775410544]
最初の高速かつ堅牢な3Dポイントの登録アルゴリズムは、大量の外れ値の存在下での3Dポイントの登録である。
TEASER++という名前の第二の高速で堅牢な認証翻訳は、大規模なサブプロブレムを解決するために、既成の非コンポーネントを使用する。
論文 参考訳（メタデータ） (2020-01-21T18:56:00Z)
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。