Conceitos essenciais
Ein neuartiges End-to-End-Netzwerk, das robuste und rotationsinvariante Merkmale extrahiert, um Punktwolken auch bei großen Transformationen präzise zu registrieren.
Resumo
Die Studie präsentiert einen Ansatz zur 3D-Punktwolken-Registrierung, der große Transformationen effizient bewältigt. Das vorgeschlagene Netzwerk, ReLaTo, besteht aus zwei Siamese-Encoder-Decoder-Netzwerken, die robuste und rotationsinvariante Merkmale extrahieren.
Schlüsselpunkte:
- Einführung einer neuartigen "Softmax-Pooling"-Schicht, die in einem unüberwachten Verfahren die besten Korrespondenzen zwischen Quell- und Zielpunktwolke identifiziert.
- Verwendung einer "zielgeführten Entrauschung", um die initial grobe Registrierung zu verfeinern und die lokale Geometrie besser zu berücksichtigen.
- Umfassende Evaluierung auf gängigen Datensätzen (ModelNet40, KITTI), die eine deutliche Überlegenheit gegenüber dem Stand der Technik, insbesondere bei großen Transformationen, zeigt.
Estatísticas
Die Rotationsabweichung (RE) des vorgeschlagenen Netzwerks zeigt bei zunehmenden Rotationswinkeln nur minimale Schwankungen, im Gegensatz zu anderen Methoden.
Die durchschnittliche Rotationsabweichung über alle Rotationsebenen beträgt für das vorgeschlagene Netzwerk nur 32,15°, 40,16° und 35,93° in den Achsen x, y und z, deutlich besser als der Stand der Technik.
Die Translationsabweichung (TE) des vorgeschlagenen Netzwerks liegt im Bereich von 0,13-0,14 m und ist damit etwas höher als bei anderen Methoden, aber visuell kaum wahrnehmbar.
Citações
"Das vorgeschlagene Netzwerk kombiniert den Prozess der Korrespondenzfindung und der Bewertung ihrer Zuverlässigkeit in einem einzigen Schritt durch die neuartige 'Softmax-Pooling'-Schicht."
"Die anfänglich grobe Registrierung wird durch einen 'zielgeführten Entrauschungs'-Schritt verfeinert, um die lokale Geometrie besser zu berücksichtigen."