Fast Global Registration(快速全局配准)
Fast Global Registration
1. 配准问题的目标函数:
其中ρ\rhoρ取为带缩放系数的Geman-McClure函数:
它表示一种对误差的测量,相比于均匀方误差具有更好的抗噪性.当其中参数μ\muμ较大时,ρ(x)\rho(x)ρ(x)受较大范围的自变量变化影响,而随着μ\muμ的减小ρ(x)\rho(x)ρ(x)将更容易受到较小xxx的影响,从而将距离较大的匹配点对作为异常点(outlier)无效化.
2. 目标函数的高效优化方法:
通过将线过程(Line Pricess)与稳健统计(Robust Statistics)相结合给出了求解目标函数的方法
其中,Ψ(lp,q)\Psi(l_{p,q})Ψ(lp,q)是一个先验函数,取为:
为了优化E(T,L))E(T,\mathbb{L}))E(T,L))首先将它关于lp,ql_{p,q}lp,q求偏导
得到:
其中 TTT 使用当前迭代步的值而被视为固定项,从lp,ql_{p,q}lp,q的表达式中可以看出,当前迭代步中最优的lp,ql_{p,q}lp,q与两片点云对应点的距离反相关,从而作为该对应点的权重项趋向于将错误匹配的点对无效化。
3. 优化:
接下来将权重lp,ql_{p,q}lp,q视为固定值,目标函数变成了对应点之间距离的L2L^2L2惩罚的加权总和。对TTT进行优化,可以使用封闭解SVD直接求解,然而由于优化过程中初始迭代步中的源点云和目标点云具有较大噪声且lp,ql_{p,q}lp,q随着优化不断变化,SVD方法在不同迭代步中会解得剧烈变化的结果,而严重偏离目标的空间变换会产生错误估计的lp,ql_{p,q}lp,q,从而使算法收敛至错误结果[2]。因此使用使用梯度下降法迭代求解而非利用闭形式求解。
将TTT线性化表达为:
TTT近似为的线性函数:
由于旋转TkT^kTk 是已知量,于是利用Gauss-Newton方法,ξ\xiξ 可以通过求解如下线性方程组得到:
其中,rrr是剩余向量,JrJ_rJr是它的Jacobian.
4.对应点寻找:
使用FPFH对特征点进行描述,然后根据最近点原则寻找correspondence,然后根据互为对应点原则Reciprocity test.和Tuple test剔除一些outlier.
5.文章的扩展算法:
张琮毅[2]等人以这个算法为框架,在目标函数添加了尺度因子进行结算,提出了一种尺度可变的快速全局点云配准方法:
参考文献:1.《Fast Global Registration》Qian-Yi Zhou Jaesik Park Vladlen Koltun
2. 《尺度可变的快速全局点云配准方法》张琮毅等。代码:https://github.com/Zcynical/UrbanReg
辅助资料:高斯牛顿法详解:https://blog.csdn.net/qq_42138662/article/details/109289129
Fast Global Registration(快速全局配准)相关推荐
- Fast Global Registration
本博客来自于论文<fast global registration>,该论文介绍了一种快速全局配准部分重叠3D表面的算法,作者称其算法在速度和配准的准确性ICP等局部细化算法更快,且算法不 ...
- Fast Global Registration (ECCV 2016) 论文解析
目录 0.友情链接 1. 论文核心思想 1.1. 点云特征匹配 1.2. 两个校验 1.3. 鲁棒函数与BR对偶 1.4.1. Black-Rangarjan Duality (BR对偶性) 1.4. ...
- Open3d学习计划—高级篇 3(点云全局配准)
Open3D是一个开源库,支持快速开发和处理3D数据.Open3D在c++和Python中公开了一组精心选择的数据结构和算法.后端是高度优化的,并且是为并行化而设置的. 本系列学习计划有Blue同学作 ...
- OPEN3D学习笔记(四)——Global registration
OPEN3D学习笔记(四) Global registration Extract geometric feature Input RANSAC Local refinement Fast globa ...
- python 点云配准_点云的全局配准
点云配准就是将当前点云匹配进行变换使其和目标点云匹配上. 先推荐一个python的点云处理库: opend3d. 什么时候需要全局配准?我说我知道的场景相机的角度变化太大了. 极少角度的物体重建. 3 ...
- Open3d之点云全局配准
ICP配准和彩色点云配准都被称为局部配准方法,因为它们依赖于粗对准作为初始化.本教程展示了另一类配准方法,称为全局配准.这一系列算法在初始化时不需要对齐.它们通常产生不太紧密的对齐结果,并用作局部方法 ...
- 【论文笔记】FAIM(FAst IMage registration):使用负雅克比行列式防止形变场重叠的医学图像配准模型
本文是论文<FAIM – A ConvNet Method for Unsupervised 3D Medical Image Registration>的阅读笔记. 文章提出了一个用于3 ...
- 【Image Registration】图像配准综述
文章目录 一.图像配准定义 二.图像配准应用场景 2.1 医学图像领域 2.2 其他领域 三.图像配准分类 四.图像配准过程 4.1 特征检测(Feature detection) 4.2 特征匹配( ...
- [CVPR2020] Deep Global Registration
零.概要 论文: Deep Global Registration tag: CVPR 2020; Registration 代码: https://github.com/chrischoy/Deep ...
最新文章
- 《zw版·Halcon-delphi系列原创教程》 Halcon分类函数011,ocr,字符识别
- 【Webkit Blog翻译】深入研究WebRTC | 内有福利
- Java受查异常和运行时异常的理解
- ELK学习3_使用redis+logstash+elasticsearch+kibana快速搭建日志平台
- 基于组块设计执行开放世界等距游戏引擎
- (16)System Verilog禁止类中所有变量随机化
- jquery批量控制form禁用的代码
- python编程示例_Python套接字编程–服务器,客户端示例
- [算法模板]莫比乌斯反演
- 现有php环境下安装memcached并测试(centos6.4系统64位)
- Arcgis地籍图河流注记字体批量修改
- 数据结构之数组和列表
- php 微信公众号关注推送欢迎语
- JAVA的远程控制系统(远程监控)实现
- 极大似然估计,最大后验概率估计(MAP),贝叶斯估计
- Mac安装并破解OmniGraffle7
- 面向对象(4)封装与继承
- 与外国教授用email交流
- Android Applicaion组件创建的源代码(Android 9,含代码注释)
- 计算机一级考试试题在线操作,计算机一级考试试题操作题和答案