論文の概要: Robust Point Cloud Registration via Geometric Overlapping Guided Rotation Search

• arxiv url: http://arxiv.org/abs/2508.17427v1
• Date: Sun, 24 Aug 2025 16:01:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-26 18:43:45.518801
• Title: Robust Point Cloud Registration via Geometric Overlapping Guided Rotation Search
• Title（参考訳）: 幾何重重重畳誘導回転探索によるロバストポイントクラウド登録
• Authors: Zhao Zheng, Jingfan Fan, Long Shao, Hong Song, Danni Ai, Tianyu Fu, Deqiang Xiao, Yongtian Wang, Jian Yang,
• Abstract要約: 対応に基づくポイントクラウドの登録は、ノイズ閾値内で制約されたインリアーの数を最大化する厳密な変換を計算する。 本稿では,回転のみのBnB探索による最大重複登録方式を提案する。
• 参考スコア（独自算出の注目度）: 23.51667667895256
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Point cloud registration based on correspondences computes the rigid transformation that maximizes the number of inliers constrained within the noise threshold. Current state-of-the-art (SOTA) methods employing spatial compatibility graphs or branch-and-bound (BnB) search mainly focus on registration under high outlier ratios. However, graph-based methods require at least quadratic space and time complexity for graph construction, while multi-stage BnB search methods often suffer from inaccuracy due to local optima between decomposed stages. This paper proposes a geometric maximum overlapping registration framework via rotation-only BnB search. The rigid transformation is decomposed using Chasles' theorem into a translation along rotation axis and a 2D rigid transformation. The optimal rotation axis and angle are searched via BnB, with residual parameters formulated as range maximum query (RMQ) problems. Firstly, the top-k candidate rotation axes are searched within a hemisphere parameterized by cube mapping, and the translation along each axis is estimated through interval stabbing of the correspondences projected onto that axis. Secondly, the 2D registration is relaxed to 1D rotation angle search with 2D RMQ of geometric overlapping for axis-aligned rectangles, which is solved deterministically in polynomial time using sweep line algorithm with segment tree. Experimental results on 3DMatch, 3DLoMatch, and KITTI datasets demonstrate superior accuracy and efficiency over SOTA methods, while the time complexity is polynomial and the space complexity increases linearly with the number of points, even in the worst case.
• Abstract（参考訳）: 対応に基づくポイントクラウドの登録は、ノイズ閾値内で制約されたインリアーの数を最大化する厳密な変換を計算する。 空間整合グラフやブランチ・アンド・バウンド (BnB) 探索を用いたSOTA法は, 主に外接率の高い登録に重点を置いている。 しかし、グラフベースの手法はグラフ構築に少なくとも2次空間と時間的複雑さを必要とするが、多段階のBnB探索法は分解した段階間の局所的な最適化により不正確であることが多い。 本稿では、回転のみのBnB探索による幾何最大重複登録フレームワークを提案する。 剛体変換はChaslesの定理を用いて回転軸に沿った変換と2次元剛体変換に分解される。 最適回転軸と角度はBnBを介して探索され、残余パラメータは範囲最大クエリ(RMQ)問題として定式化される。 まず、トップk候補回転軸を立方体マッピングによりパラメータ化された半球内で探索し、その軸に投影された対応の間隔スタビングにより、各軸に沿った変換を推定する。 第2に、軸方向長方形に対して幾何学的重なり合う2次元RMQで1次元回転角探索により2次元登録を緩和し、セグメント木付きスイープラインアルゴリズムを用いて多項式時間で決定的に解決する。 3DMatch, 3DLoMatch, KITTIデータセットの実験結果はSOTA法よりも精度と効率が優れており, 時間複雑性は多項式であり, 空間複雑性は点数とともに直線的に増加する。

関連論文リスト

• Fully-Geometric Cross-Attention for Point Cloud Registration [51.865371511201765]
  ポイントクラウド登録のアプローチは、ノイズのあるポイント対応のため、ポイントクラウド間の重なりが低いときに失敗することが多い。 この問題に対処するTransformerベースのアーキテクチャに適した,新たなクロスアテンション機構を導入する。 我々はGromov-Wasserstein距離をクロスアテンションの定式化に統合し、異なる点雲間の点間距離を共同計算する。 点レベルでは,局所的な幾何学的構造情報を細かなマッチングのための点特徴に集約する自己認識機構も考案する。
  論文  参考訳（メタデータ） (2025-02-12T10:44:36Z)
• A Direct Semi-Exhaustive Search Method for Robust, Partial-to-Full Point Cloud Registration [2.18536130465468]
  ポイントクラウド登録は、与えられた2つのポイントクラウドを整列させる厳密な変換を見つける問題である。 提案アルゴリズムであるDSES(Direct Semi-Exhaustive Search)は,各回転に付随する不整合最大化変換を効率的に計算する。 その後、任意の所望距離メートル法に基づいて最適剛変換を計算する。 DSESは、シミュレーションされたModelNet40ベンチマークで、部分的から完全なポイントクラウド登録のための最先端の手法より優れている。
  論文  参考訳（メタデータ） (2025-01-31T19:03:57Z)
• Unleash the Potential of 3D Point Cloud Modeling with A Calibrated Local Geometry-driven Distance Metric [62.365983810610985]
  そこで我々は,Callibated Local Geometry Distance (CLGD) と呼ばれる新しい距離測定法を提案する。 CLGDは、基準点の集合によってキャリブレーションされ誘導される基礎となる3次元表面の差を計算する。 一般的な指標として、CLGDは3Dポイントのクラウドモデリングを前進させる可能性がある。
  論文  参考訳（メタデータ） (2023-06-01T11:16:20Z)
• Efficient and Deterministic Search Strategy Based on Residual Projections for Point Cloud Registration with Correspondences [18.509532571594995]
  現在の3D特徴マッチングアプローチは、通常、多くの外乱対応をもたらし、外乱登録技術は不可欠である。 本稿では,残射影に基づく新しいポーズデカップリング戦略を導入し,生の登録問題を3つのサブプロブレムに分解する。 本手法は,同時ポーズと登録の困難な問題に適応することができる。
  論文  参考訳（メタデータ） (2023-05-19T14:52:40Z)
• Contour Context: Abstract Structural Distribution for 3D LiDAR Loop Detection and Metric Pose Estimation [31.968749056155467]
  本稿では,高精度な3DoF距離ポーズ推定を用いた簡易かつ効果的かつ効率的なトポロジカルループ閉包検出パイプラインを提案する。 我々は,3次元LiDAR点から投影されるBEV像を構造層分布として解釈する。 検索キーは、層状KD木でインデックスされたデータベースの検索を高速化するように設計されている。
  論文  参考訳（メタデータ） (2023-02-13T07:18:24Z)
• Hybrid Trilinear and Bilinear Programming for Aligning Partially Overlapping Point Sets [85.71360365315128]
  多くの応用において、部分重なり合う点集合が対応するRPMアルゴリズムに不変であるようなアルゴリズムが必要である。 まず、目的が立方体有界関数であることを示し、次に、三線型および双線型単相変換の凸エンベロープを用いて、その下界を導出する。 次に、変換変数上の分岐のみを効率よく実行するブランチ・アンド・バウンド(BnB)アルゴリズムを開発する。
  論文  参考訳（メタデータ） (2021-01-19T04:24:23Z)
• 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)
• 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。