原創(chuàng) | 文 BFT機(jī)器人

01

背景

點(diǎn)云配準(zhǔn)是計(jì)算機(jī)視覺和機(jī)器人學(xué)領(lǐng)域中的一個(gè)重要問題，它涉及將多個(gè)視角或時(shí)間點(diǎn)的點(diǎn)云數(shù)據(jù)對(duì)齊，以便進(jìn)行后續(xù)的處理和分析。

然而，由于傳感器噪聲、遮擋、運(yùn)動(dòng)估計(jì)誤差等因素，點(diǎn)云數(shù)據(jù)中常常存在異常對(duì)應(yīng)，這會(huì)導(dǎo)致傳統(tǒng)的點(diǎn)云配準(zhǔn)算法的性能下降。

因此，如何在存在異常對(duì)應(yīng)的情況下實(shí)現(xiàn)高效準(zhǔn)確的點(diǎn)云配準(zhǔn)一直是該領(lǐng)域的研究熱點(diǎn)。

在這篇論文中，作者提出了一種新的點(diǎn)云配準(zhǔn)算法，名為TEASER(Truncated Least Squares Estimation and Refinement)。提供了可驗(yàn)證解決方案準(zhǔn)確性的條件，從而使其成為第一個(gè)快速且可證明的點(diǎn)云配準(zhǔn)算法。

圖1?用TEASER在真實(shí)RGB-D數(shù)據(jù)集上成功估計(jì)目標(biāo)姿態(tài)

02

工作內(nèi)容

論文的工作內(nèi)容主要包括以下幾個(gè)方面：

1. 提出了一種新的點(diǎn)云配準(zhǔn)算法TEASER，用于在存在異常對(duì)應(yīng)的情況下實(shí)現(xiàn)高效準(zhǔn)確的點(diǎn)云配準(zhǔn)。該算法使用截?cái)嘧钚《?TLS)代價(jià)函數(shù)，使估計(jì)對(duì)異常對(duì)應(yīng)不敏感，并使用圖論框架將尺度、旋轉(zhuǎn)和平移估計(jì)分離開來。

2. 該算法提供了可驗(yàn)證解決方案準(zhǔn)確性的條件，從而使其成為第一個(gè)快速且可證明的點(diǎn)云配準(zhǔn)算法。

3. 作者通過大量的實(shí)驗(yàn)驗(yàn)證了TEASER算法的性能，結(jié)果表明，該算法在處理高比例的異常對(duì)應(yīng)時(shí)具有更好的魯棒性和準(zhǔn)確性，并且比現(xiàn)有的點(diǎn)云配準(zhǔn)算法更快。

4. 作者還提供了一個(gè)名為TEASER++的快速實(shí)現(xiàn)，該實(shí)現(xiàn)可以在毫秒級(jí)別內(nèi)計(jì)算出準(zhǔn)確的估計(jì)，并找到小的內(nèi)點(diǎn)集。

03

算法介紹

TEASER算法是一種用于點(diǎn)云配準(zhǔn)的算法，其主要思想是使用截?cái)嘧钚《?TLS)代價(jià)函數(shù)，使估計(jì)對(duì)異常對(duì)應(yīng)不敏感，并使用圖論框架將尺度、旋轉(zhuǎn)和平移估計(jì)分離開來。該算法的具體步驟如下：

1.將源點(diǎn)云和目標(biāo)點(diǎn)云分別進(jìn)行預(yù)處理，包括去噪、下采樣、法向量估計(jì)等。

2.使用自適應(yīng)投票算法(Adaptive Voting)對(duì)源點(diǎn)云和目標(biāo)點(diǎn)云進(jìn)行特征提取和匹配，得到一組初始的點(diǎn)對(duì)應(yīng)關(guān)系。

3.使用TLS代價(jià)函數(shù)對(duì)初始點(diǎn)對(duì)應(yīng)關(guān)系進(jìn)行優(yōu)化，得到一個(gè)初始的估計(jì)。

4.使用圖論框架將尺度、旋轉(zhuǎn)和平移估計(jì)分離開來，并對(duì)每個(gè)分量進(jìn)行優(yōu)化，得到一個(gè)更準(zhǔn)確的估計(jì)。

5.使用一種基于置信區(qū)間的方法來評(píng)估估計(jì)的準(zhǔn)確性，并提供可驗(yàn)證解決方案準(zhǔn)確性的條件。

TEASER算法的優(yōu)點(diǎn)是在存在異常對(duì)應(yīng)的情況下仍能實(shí)現(xiàn)高效準(zhǔn)確的點(diǎn)云配準(zhǔn)，并且提供了可驗(yàn)證解決方案準(zhǔn)確性的條件。此外，作者還提供了一個(gè)名為TEASER++的快速實(shí)現(xiàn)，該實(shí)現(xiàn)可以在毫秒級(jí)別內(nèi)計(jì)算出準(zhǔn)確的估計(jì)，并找到小的內(nèi)點(diǎn)集。

a)?每個(gè)測(cè)量值sk的置信區(qū)間(b)每個(gè)s的共識(shí)集的基數(shù)和每個(gè)區(qū)間的中間點(diǎn)mi

04

實(shí)驗(yàn)

在這篇論文中，作者通過大量的實(shí)驗(yàn)驗(yàn)證了TEASER算法的性能。具體來說，作者在三個(gè)應(yīng)用場(chǎng)景下測(cè)試了TEASER算法的性能，包括：

1. 點(diǎn)云配準(zhǔn)：作者使用多個(gè)數(shù)據(jù)集進(jìn)行測(cè)試，包括Bunny、Dragon、Armadillo等數(shù)據(jù)集，結(jié)果表明，TEASER算法在處理高比例的異常對(duì)應(yīng)時(shí)具有更好的魯棒性和準(zhǔn)確性，并且比現(xiàn)有的點(diǎn)云配準(zhǔn)算法更快。

2. 目標(biāo)姿態(tài)估計(jì)：作者使用大規(guī)模點(diǎn)云數(shù)據(jù)集進(jìn)行測(cè)試，包括KITTI、SUN RGB-D、ScanNet等數(shù)據(jù)集，結(jié)果表明，TEASER算法在目標(biāo)姿態(tài)估計(jì)方面具有更好的性能，并且比現(xiàn)有的算法更快。

3. 目標(biāo)檢測(cè)：作者使用SUN RGB-D數(shù)據(jù)集進(jìn)行測(cè)試，結(jié)果表明，TEASER算法可以用于改進(jìn)目標(biāo)檢測(cè)的性能，并且比現(xiàn)有的算法更快。

在每個(gè)應(yīng)用場(chǎng)景下，作者都進(jìn)行了詳細(xì)的實(shí)驗(yàn)設(shè)計(jì)和結(jié)果分析，以驗(yàn)證TEASER算法的性能和優(yōu)越性。

05

結(jié)論

該論文提出了一種名為TEASER的點(diǎn)云配準(zhǔn)算法，該算法使用截?cái)嘧钚《?TLS)代價(jià)函數(shù)，使估計(jì)對(duì)異常對(duì)應(yīng)不敏感，并使用圖論框架將尺度、旋轉(zhuǎn)和平移估計(jì)分離開來。作者在多個(gè)應(yīng)用場(chǎng)景下測(cè)試了TEASER算法的性能，包括點(diǎn)云配準(zhǔn)、目標(biāo)姿態(tài)估計(jì)和目標(biāo)檢測(cè)。結(jié)果表明，TEASER算法在處理高比例的異常對(duì)應(yīng)時(shí)具有更好的魯棒性和準(zhǔn)確性，并且比現(xiàn)有的算法更快。

最后，作者指出了TEASER算法的一些局限性和未來的研究方向，包括進(jìn)一步提高算法的效率和準(zhǔn)確性，以及將算法應(yīng)用于更廣泛的應(yīng)用場(chǎng)景中。

作者?| Azukii

排版 |?居居手

審核 |?橙橙

更多精彩內(nèi)容請(qǐng)關(guān)注公眾號(hào)：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(qǐng)與我們聯(lián)系。若您對(duì)該文章內(nèi)容有任何疑問，請(qǐng)與我們聯(lián)系，將及時(shí)回應(yīng)。