DMS:使用双层多尺度星图对3D点云进行低重叠注册
概括
本研究介绍了一种双层多尺度星图 (DMS) 方法,用于稳健的3D点云注册,通过识别可靠的对应和删除异常值,有效处理低重叠.
科学领域:
- 计算机视觉 计算机视觉
- 3D几何处理处理 3D几何处理
- 机器人技术 机器人技术 机器人技术
背景情况:
- 低重叠的3D点云注册是计算机视觉的一个重大挑战.
- 现有的方法难以识别小型重叠区域,并过通信异常值.
研究的目的:
- 开发一种可靠的3D点云注册方法,特别是在重叠有限的场景中.
- 提高对应的检测和异常值的拒绝的准确性和可靠性.
主要方法:
- 提出了一种双层多尺度星图 (DMS) 结构,利用多尺度邻近特征星图 (MNFS) 进行初始通信候选生成.
- 构建多尺度匹配星图 (MMS) 和多尺度对应星图 (MCS) 来识别相互对应,并根据邻里一致性过异常值.
- 在MCS中使用边缘和顶点权重标准,以进行可靠的对应选择.
主要成果:
- DMS方法成功地使用多尺度邻近拓和特征相似性建立了初始对应.
- 通过利用一致的邻里对应来检测强大的重叠区域.
- 实验结果显示,与最先进的注册算法相比,实验结果的稳定性更高.
结论:
- 拟议的DMS结构有效地解决了低重叠的3D点云注册的挑战.
- 该方法在识别对应值和拒绝异常值方面表现出更强大的稳定性.
- 开发的技术为需要精确点云对齐的3D计算机视觉应用提供了显著的进步.


