Core Concepts
Die Arbeit präsentiert eine heuristikgeleitete Parametersuche-Strategie, die eine hervorragende Balance zwischen Effizienz und Robustheit bei der Punktwolkenregistrierung bietet. Die Strategie reduziert den Suchraum erheblich, indem sie zunächst einige Korrespondenzen abtastet und dann nur die Regionen durchsucht, die diese Stichproben zu Inliers machen.
Abstract
Die Arbeit befasst sich mit dem Problem der robusten Punktwolkenregistrierung, bei dem die Schätzung der 6-DOF-Starrkörpertransformation zwischen zwei 3D-Punktwolken trotz großer Anteile von Ausreißern in den Korrespondenzen genau erfolgen soll.
Die Autoren schlagen eine heuristikgeleitete Parametersuche-Strategie vor, um eine gute Balance zwischen Effizienz und Robustheit zu erreichen. Anstatt den gesamten 6D-Parameterraum zu durchsuchen, abtasten sie zunächst einige Korrespondenzen und durchsuchen dann nur die Regionen, die diese Stichproben zu Inliers machen.
Um die Effizienz dieser Strategie zu erhöhen, zerlegen die Autoren das ursprüngliche 6-DOF-Registrierungsproblem in drei Teilprobleme mit jeweils 3-DOF, 2-DOF und 1-DOF. In jedem Teilproblem wenden sie ihre heuristikgeleitete Parametersuche an, um schrittweise Ausreißer zu entfernen. Die Zerlegung ermöglicht es ihnen auch, die 1D-Intervallstechnik in allen drei Teilproblemen zur Beschleunigung der Suche einzusetzen.
Darüber hinaus schlagen die Autoren eine gültige Abtastungsstrategie vor, um die Effektivität der Heuristik zu gewährleisten, sowie eine Kompatibilitätsüberprüfung, um die Suche weiter zu beschleunigen.
Umfangreiche Experimente zeigen, dass der Ansatz der Autoren eine vergleichbare Robustheit wie der Stand der Technik aufweist, aber eine deutlich höhere Effizienz erreicht, mit Beschleunigungen von bis zu 102x und manchmal sogar über 103x.
Stats
Die Punktwolkenregistrierung ist ein Verfahren mit 6 Freiheitsgraden.
Oft führen die Methoden zur Korrespondenzidentifizierung zu sehr hohen Ausreißerquoten (> 95 % ist üblich).
Die vorgeschlagene Methode kann eine Beschleunigung von bis zu 102x und manchmal sogar über 103x gegenüber dem Stand der Technik erreichen.
Quotes
"Unser Ansatz kann eine vergleichbare Robustheit wie der Stand der Technik aufweisen, aber eine deutlich höhere Effizienz erreichen, mit Beschleunigungen von bis zu 102x und manchmal sogar über 103x."
"Die Zerlegung ermöglicht es uns auch, die 1D-Intervallstechnik in allen drei Teilproblemen zur Beschleunigung der Suche einzusetzen."