論文の概要: KISS-Matcher: Fast and Robust Point Cloud Registration Revisited
- arxiv url: http://arxiv.org/abs/2409.15615v2
- Date: Sun, 6 Oct 2024 21:08:01 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-06 19:32:29.461771
- Title: KISS-Matcher: Fast and Robust Point Cloud Registration Revisited
- Title（参考訳）: KISS-Matcher: 高速でロバストなクラウド登録が再検討
- Authors: Hyungtae Lim, Daebeom Kim, Gunhee Shin, Jingnan Shi, Ignacio Vizzo, Hyun Myung, Jaesik Park, Luca Carlone,
- Abstract要約: 我々はtextitKISS-Matcher という,ポイントクラウド登録のためのオープンソースライブラリを開発した。
KISS-Matcherは、古典的なファストポイント特徴ヒストグラム(FPFH)を改善する新しい特徴検出器、textitFaster-PFHを組み合わせた。
さらに、$k$コアベースのグラフ理論プルーニングを採用して、外れ値対応を拒否する際の時間的複雑さを低減している。
- 参考スコア（独自算出の注目度）: 38.811920574713646
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: While global point cloud registration systems have advanced significantly in all aspects, many studies have focused on specific components, such as feature extraction, graph-theoretic pruning, or pose solvers. In this paper, we take a holistic view on the registration problem and develop an open-source and versatile C++ library for point cloud registration, called \textit{KISS-Matcher}. KISS-Matcher combines a novel feature detector, \textit{Faster-PFH}, that improves over the classical fast point feature histogram (FPFH). Moreover, it adopts a $k$-core-based graph-theoretic pruning to reduce the time complexity of rejecting outlier correspondences. Finally, it combines these modules in a complete, user-friendly, and ready-to-use pipeline. As verified by extensive experiments, KISS-Matcher has superior scalability and broad applicability, achieving a substantial speed-up compared to state-of-the-art outlier-robust registration pipelines while preserving accuracy. Our code will be available at \href{https://github.com/MIT-SPARK/KISS-Matcher}{\texttt{https://github.com/MIT-SPARK/KISS-Matcher}}.
- Abstract（参考訳）: グローバルポイントクラウド登録システムはあらゆる面で大きく進歩しているが、多くの研究は特徴抽出、グラフ理論プルーニング、ポーズソルバといった特定のコンポーネントに焦点を当てている。
本稿では,この登録問題を総合的に考察し,ポイントクラウド登録のためのオープンソースで汎用的なC++ライブラリである「textit{KISS-Matcher}」を開発する。
KISS-Matcherは、古典的なファストポイント特徴ヒストグラム(FPFH)を改善する新しい特徴検出器 \textit{Faster-PFH} を組み合わせる。
さらに、$k$-core-based graph-theoretic pruningを採用して、外れ値対応を拒否する時間の複雑さを低減する。
最後に、これらのモジュールを完全で、ユーザフレンドリで、使用可能なパイプラインに統合する。
広範な実験によって検証されたように、KISS-Matcherはスケーラビリティと広範囲な適用性に優れており、精度を維持しながら最先端のアウトリア・ロバスト登録パイプラインに比べて大幅に高速化されている。
私たちのコードは、 \href{https://github.com/MIT-SPARK/KISS-Matcher}{\texttt{https://github.com/MIT-SPARK/KISS-Matcher}}で利用可能です。
関連論文リスト
- FastMAC: Stochastic Spectral Sampling of Correspondence Graph [55.75524096647733]
本稿では,対応グラフの領域にグラフ信号処理を導入する最初の研究について述べる。
我々は、対応グラフ上の一般化次数信号を利用し、高周波成分を保存するサンプリング戦略を追求する。
アプリケーションとして,FastMACと呼ばれる,リアルタイムな高速な3D登録アルゴリズムを構築した。
論文 参考訳（メタデータ） (2024-03-13T17:59:56Z) - Edge-Parallel Graph Encoder Embedding [0.0]
One-Hot Graph Embedding (GEE) は1つの線形パスオーバーエッジを使用し、スペクトル埋め込みに収束する埋め込みを生成する。
本稿では,グラフのエッジ上で関数をマッピングし,ロックフリーなアトミックインストラクションを用いてデータ競合を防止するLigraグラフエンジンの並列プログラムを提案する。
論文 参考訳（メタデータ） (2024-02-06T21:04:57Z) - Improving Zero-Shot Generalization for CLIP with Synthesized Prompts [135.4317555866831]
既存のほとんどのメソッドは、実世界のアプリケーションでは保持できない全てのクラスにラベル付きデータを必要とする。
既存の微調整法を改善するために,textbfSynttextbfHestextbfIzed textbfPrompts(textbfSHIP)と呼ばれるプラグアンドプレイ生成手法を提案する。
論文 参考訳（メタデータ） (2023-07-14T15:15:45Z) - 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) - Robust Partial-to-Partial Point Cloud Registration in a Full Range [12.86951061306046]
本稿では,全方向1の部分対部分点クラウド登録(PPR)のためのポーズ不変対応を推定するグラフマッチング・コンセンサス・ネットワーク(GMCNet)を提案する。
GMCNetは、個別に各点クラウドのポイント記述子を、クロスコンテクスト情報や、トレーニングのための接地真理対応を使わずに符号化する。
論文 参考訳（メタデータ） (2021-11-30T17:56:24Z) - deGraphCS: Embedding Variable-based Flow Graph for Neural Code Search [15.19181807445119]
ソースコードを変数ベースのフローグラフに変換する学習可能なDeGraph for Code Search(deGraphCSと呼ばれる)を提案する。
C言語で記述された41,152のコードスニペットを含む大規模なデータセットをGitHubから収集しています。
論文 参考訳（メタデータ） (2021-03-24T06:57:44Z) - 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) - 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) - Learning to Hash with Graph Neural Networks for Recommender Systems [103.82479899868191]
グラフ表現学習は、大規模に高品質な候補探索をサポートすることに多くの注目を集めている。
ユーザ・イテム相互作用ネットワークにおけるオブジェクトの埋め込みベクトルの学習の有効性にもかかわらず、連続的な埋め込み空間におけるユーザの好みを推測する計算コストは膨大である。
連続的かつ離散的なコードとを協調的に学習するための,単純かつ効果的な離散表現学習フレームワークを提案する。
論文 参考訳（メタデータ） (2020-03-04T06:59:56Z) - Learning multiview 3D point cloud registration [74.39499501822682]
本稿では,エンドツーエンドで学習可能なマルチビュー3Dポイントクラウド登録アルゴリズムを提案する。
このアプローチは、エンドツーエンドのトレーニングが可能で、計算コストが小さく、最先端のマージンよりも優れています。
論文 参考訳（メタデータ） (2020-01-15T03:42:14Z)
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。