論文の概要: Correspondence-Free Fast and Robust Spherical Point Pattern Registration
- arxiv url: http://arxiv.org/abs/2508.02339v1
- Date: Mon, 04 Aug 2025 12:21:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-05 18:25:22.323412
- Title: Correspondence-Free Fast and Robust Spherical Point Pattern Registration
- Title（参考訳）: 対応のない高速かつロバストな球面点パターン登録
- Authors: Anik Sarker, Alan T. Asbeck,
- Abstract要約: 本稿では,2つの球面パターン間を推定するための3つの新しいアルゴリズムを提案する。
我々のアルゴリズムは10倍高速で、10倍精度が高い。
- 参考スコア（独自算出の注目度）: 0.8287206589886879
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Existing methods for rotation estimation between two spherical ($\mathbb{S}^2$) patterns typically rely on spherical cross-correlation maximization between two spherical function. However, these approaches exhibit computational complexities greater than cubic $O(n^3)$ with respect to rotation space discretization and lack extensive evaluation under significant outlier contamination. To this end, we propose a rotation estimation algorithm between two spherical patterns with linear time complexity $O(n)$. Unlike existing spherical-function-based methods, we explicitly represent spherical patterns as discrete 3D point sets on the unit sphere, reformulating rotation estimation as a spherical point-set alignment (i.e., Wahba problem for 3D unit vectors). Given the geometric nature of our formulation, our spherical pattern alignment algorithm naturally aligns with the Wahba problem framework for 3D unit vectors. Specifically, we introduce three novel algorithms: (1) SPMC (Spherical Pattern Matching by Correlation), (2) FRS (Fast Rotation Search), and (3) a hybrid approach (SPMC+FRS) that combines the advantages of the previous two methods. Our experiments demonstrate that in the $\mathbb{S}^2$ domain and in correspondence-free settings, our algorithms are over 10x faster and over 10x more accurate than current state-of-the-art methods for the Wahba problem with outliers. We validate our approach through extensive simulations on a new dataset of spherical patterns, the ``Robust Vector Alignment Dataset. "Furthermore, we adapt our methods to two real-world tasks: (i) Point Cloud Registration (PCR) and (ii) rotation estimation for spherical images.
- Abstract（参考訳）: 既存の2つの球面(\mathbb{S}^2$)パターン間の回転推定法は、2つの球面関数間の球面相互相関の最大化に依存するのが一般的である。
しかし、これらの手法は回転空間の離散化に関して立方体$O(n^3)$より大きい計算複雑性を示し、重要な外層汚染下での広範な評価を欠いている。
この目的のために,線形時間複雑性$O(n)$の2つの球面パターン間の回転推定アルゴリズムを提案する。
既存の球面関数法とは異なり、球面パターンを単位球面上の離散3次元点集合として明示的に表現し、回転推定を球面点集合アライメント(すなわち3次元単位ベクトルに対するワフバ問題)として再構成する。
我々の定式化の幾何学的性質を考えると、球面パターンアライメントアルゴリズムは自然に3次元単位ベクトルのワフバ問題フレームワークと一致する。
具体的には,(1)SPMC(Spherical Pattern Matching by correlation),(2)FRS(Fast Rotation Search),(3)SPMC+FRS(Hybrid Approach)の3つの新しいアルゴリズムを紹介する。
実験の結果、$\mathbb{S}^2$ドメインと通信不要な設定では、我々のアルゴリズムは10倍以上高速で、10倍精度が高いことが判明した。
球面パターンの新しいデータセットである ``Robust Vector Alignment Dataset の広範なシミュレーションによるアプローチを検証する。
「なお、実際の2つの課題にメソッドを適応させます。
(i)ポイントクラウド登録(PCR)と
(II)球面画像の回転推定
関連論文リスト
- Bayesian Circular Regression with von Mises Quasi-Processes [57.88921637944379]
本研究では、円値ランダム関数上の表現的および解釈可能な分布の族を探索する。
後部推論のために,高速ギブズサンプリングに寄与するストラトノビッチ様拡張法を導入する。
本研究では,このモデルを用いて風向予測と走行歩行周期のパーセンテージを関節角度の関数として適用する実験を行った。
論文 参考訳（メタデータ） (2024-06-19T01:57:21Z) - An Accurate and Real-time Relative Pose Estimation from Triple Point-line Images by Decoupling Rotation and Translation [10.05584976985694]
3D-2D制約は、Visual Odometry (VO) やStructure-from-Motion (SfM) システムで広く使われている。
回転変換デカップリング推定に基づく新しい3次元ポーズ解決器を提案する。
論文 参考訳（メタデータ） (2024-03-18T10:21:05Z) - Spherical Mask: Coarse-to-Fine 3D Point Cloud Instance Segmentation with Spherical Representation [35.875800849174354]
球面表現に基づく新しい粗粒化手法である球面マスクを紹介する。
具体的には、中心距離と半径距離の予測を用いて、各ケースを3次元ポリゴンで推定する。
ScanNetV2,S3DIS,LS3Dの3つのデータセットによる実験結果から,提案手法が既存手法より優れていることが示された。
論文 参考訳（メタデータ） (2023-12-18T15:14:07Z) - VI-Net: Boosting Category-level 6D Object Pose Estimation via Learning
Decoupled Rotations on the Spherical Representations [55.25238503204253]
作業を容易にするために,VI-Netと呼ばれる新しい回転推定ネットワークを提案する。
球面信号を処理するために、SPAtial Spherical Convolutionの新たな設計に基づいて、球面特徴ピラミッドネットワークを構築する。
ベンチマークデータセットの実験により,提案手法の有効性が確認された。
論文 参考訳（メタデータ） (2023-08-19T05:47:53Z) - Machine learning algorithms for three-dimensional mean-curvature
computation in the level-set method [0.0]
レベルセット法のためのデータ駆動平均曲率解法を提案する。
提案方式は, 現在の粒子界面再構成よりも高精度な平均曲率推定を行うことができる。
論文 参考訳（メタデータ） (2022-08-18T20:19:22Z) - A Scalable Combinatorial Solver for Elastic Geometrically Consistent 3D
Shape Matching [69.14632473279651]
本稿では,3次元形状間の幾何学的一貫したマッピング空間をグローバルに最適化するスケーラブルなアルゴリズムを提案する。
従来の解法よりも数桁高速なラグランジュ双対問題と結合した新しい原始問題を提案する。
論文 参考訳（メタデータ） (2022-04-27T09:47:47Z) - Near Optimal Reconstruction of Spherical Harmonic Expansions [11.370390549286757]
L2(mathbbSd-1)$の任意の$fに対して、次数-$q$球高調波展開に必要な$f$の評価数は、対数係数まで最大$q$の球高調波空間の次元と等しいことを示す。
我々は、$mathbbSd-1$上の一様サンプリング点上の関数のみを評価することで、$f$の$q$展開を回復するための単純で効率的なアルゴリズムを開発した。
論文 参考訳（メタデータ） (2022-02-25T21:54:45Z) - Rotation-Invariant Autoencoders for Signals on Spheres [10.406659081400354]
球面画像に対する回転不変表現の教師なし学習の問題について検討する。
特に、$S2$と$SO(3)$の畳み込み層からなるオートエンコーダアーキテクチャを設計する。
複数のデータセットの実験は、クラスタリング、検索、分類アプリケーションにおける学習された表現の有用性を示す。
論文 参考訳（メタデータ） (2020-12-08T15:15:03Z) - Spin-Weighted Spherical CNNs [58.013031812072356]
球面領域を離れることなく, 異方性フィルタを効率的に行うことができる新しい球面CNNを提案する。
鍵となる考え方は、重力波の研究において物理学で導入されたスピン重み付き球面関数を考えることである。
本手法は, 球面画像の分類, 3次元形状の分類, 球面パノラマのセマンティックセグメンテーションといったタスクにおいて, 従来の手法よりも優れていた。
論文 参考訳（メタデータ） (2020-06-18T17:57:21Z) - 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) - PUGeo-Net: A Geometry-centric Network for 3D Point Cloud Upsampling [103.09504572409449]
PUGeo-Netと呼ばれる新しいディープニューラルネットワークを用いた一様高密度点雲を生成する手法を提案する。
その幾何学中心の性質のおかげで、PUGeo-Netはシャープな特徴を持つCADモデルとリッチな幾何学的詳細を持つスキャンされたモデルの両方でうまく機能する。
論文 参考訳（メタデータ） (2020-02-24T14:13:29Z)
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。