原創(chuàng) | 文 BFT機(jī)器人

01

背景

點(diǎn)云匹配和配準(zhǔn)在計(jì)算機(jī)視覺和機(jī)器人領(lǐng)域中具有廣泛的應(yīng)用，對于許多任務(wù)的成功實(shí)現(xiàn)至關(guān)重要。在許多應(yīng)用中都有廣泛的應(yīng)用，例如三維建模、機(jī)器人導(dǎo)航、虛擬現(xiàn)實(shí)等。

點(diǎn)云匹配和配準(zhǔn)的目標(biāo)是將兩個或多個點(diǎn)云對齊，以便進(jìn)行后續(xù)的處理和分析。在實(shí)際應(yīng)用中，點(diǎn)云可能會受到噪聲、遮擋、非剛性形變等因素的影響，這使得點(diǎn)云匹配和配準(zhǔn)變得更加困難。

因此，研究如何在這些復(fù)雜情況下實(shí)現(xiàn)高效準(zhǔn)確的點(diǎn)云匹配和配準(zhǔn)是一個重要的研究方向。

02

創(chuàng)新點(diǎn)

1. 提出了一種新型的點(diǎn)云匹配和配準(zhǔn)方法Lepard，該方法利用了點(diǎn)云的3D位置信息，通過自注意力機(jī)制和交叉注意力機(jī)制實(shí)現(xiàn)了點(diǎn)云的特征提取和匹配。

2. 引入了一種新的點(diǎn)云匹配基準(zhǔn)測試數(shù)據(jù)集4DMatch和4DLoMatch，這兩個數(shù)據(jù)集包含了非剛性變形的點(diǎn)云，對于點(diǎn)云匹配和配準(zhǔn)的研究具有重要意義。

3. 通過實(shí)驗(yàn)驗(yàn)證了Lepard方法在多個點(diǎn)云匹配和配準(zhǔn)基準(zhǔn)測試數(shù)據(jù)集上的優(yōu)越性，包括3DMatch、3DLoMatch、4DMatch和4DLoMatch數(shù)據(jù)集。在這些數(shù)據(jù)集上，Lepard方法在剛性和非剛性情況下均取得了最先進(jìn)的結(jié)果。

4. 提出了一種新的點(diǎn)云位置編碼方法，該方法通過向量的點(diǎn)積來顯式地表示點(diǎn)云之間的3D相對距離信息，從而提高了點(diǎn)云匹配和配準(zhǔn)的準(zhǔn)確性和魯棒性。

03

算法介紹

將輸入的點(diǎn)云表示為一個矩陣，其中每一行表示一個點(diǎn)的坐標(biāo)和特征向量。將點(diǎn)云矩陣輸入到一個自我注意力機(jī)制中，提取點(diǎn)云的特征向量。

將點(diǎn)云的位置信息編碼到特征向量中，通過向量的點(diǎn)積來顯式地表示點(diǎn)云之間的3D相對距離信息。將編碼后的特征向量輸入到一個交叉注意力機(jī)制中，計(jì)算點(diǎn)云之間的相似度矩陣。

將相似度矩陣輸入到一個雙softmax操作中，將相似度矩陣轉(zhuǎn)換為置信度矩陣。然后根據(jù)置信度矩陣選擇匹配點(diǎn)對，并使用互相最近鄰的方法進(jìn)一步篩選匹配點(diǎn)對。

最后使用ICP算法對匹配點(diǎn)對進(jìn)行優(yōu)化，得到最終的點(diǎn)云配準(zhǔn)結(jié)果。

通過將點(diǎn)云表示分解為特征空間和3D位置空間的架構(gòu)，Lepard能夠更好地利用3D位置信息進(jìn)行點(diǎn)云匹配，從而提高匹配的準(zhǔn)確性。

位置編碼方法能夠明確顯示3D相對距離信息，從而使Lepard能夠更好地處理非剛性場景中的點(diǎn)云匹配。

重新定位技術(shù)能夠修改交叉點(diǎn)云的相對位置，從而進(jìn)一步提高匹配的準(zhǔn)確性。

這些技術(shù)的組合使Lepard能夠在剛性和非剛性場景中實(shí)現(xiàn)出色的點(diǎn)云匹配效果。

04

實(shí)驗(yàn)

數(shù)據(jù)集：該論文使用了多個公開數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)，包括3DMatch、KITTI、Redwood、ETH、ICL-NUIM等。

實(shí)驗(yàn)設(shè)置：該論文使用了多種評價(jià)指標(biāo)來評估點(diǎn)云匹配和配準(zhǔn)的性能，包括EPE、Acc5、Acc10等。同時(shí)，該論文還與多種經(jīng)典的點(diǎn)云匹配和配準(zhǔn)方法進(jìn)行了比較，包括N-ICP、Predator等。

圖3顯示了4DMatch和4DLoMatch基準(zhǔn)測試的直方圖，其中重疊比例閾值設(shè)置為45%。

表1展示了4DMatch的消融研究結(jié)果，其中“*”表示我們方法的默認(rèn)配置。該表格列出了不同方法在4DMatch數(shù)據(jù)集上的性能指標(biāo)，包括NFMR和IR等。其中，NFMR表示未配對的點(diǎn)云對的比例，IR表示正確匹配的點(diǎn)云對的比例。

論文標(biāo)題：

Lepard: Learning partial point cloud matching in rigid and deformable scenes

更多精彩內(nèi)容請關(guān)注公眾號：BFT機(jī)器人

本文為原創(chuàng)文章，版權(quán)歸BFT機(jī)器人所有，如需轉(zhuǎn)載請與我們聯(lián)系。若您對該文章內(nèi)容有任何疑問，請與我們聯(lián)系，將及時(shí)回應(yīng)。