[論文レビュー] Robust Shape Registration using Fuzzy Correspondences

Abhishek Kolagunda, Scott Sorensen+3 more|arXiv (Cornell University)|Feb 18, 2017

Robotics and Sensor-Based Localization参考文献 4被引用数 4

ひとこと要約

本稿では、連続的なエネルギー関数を用いて変換と対応関係を同時に最適化する、曇った対応関係（fuzzy correspondences）を用いた頑健な形状登録手法を提案する。この手法により、ノイズ、スパarsity、非一様な密度、および大きなスケール・回転変化が生じる状況下でも、3次元点群の正確なアライメントが可能となる。本手法は、LiDARからカメラへのキャリブレーションを補助物体を用いずに実行できる2次元-3次元アライメントタスクを含め、3次元および2次元-3次元アライメントタスクにおいて最先端技術を上回る性能を発揮する。

ABSTRACT

Shape registration is the process of aligning one 3D model to another. Most previous methods to align shapes with no known correspondences attempt to solve for both the transformation and correspondences iteratively. We present a shape registration approach that solves for the transformation using fuzzy correspondences to maximize the overlap between the given shape and the target shape. A coarse to fine approach with Levenberg-Marquardt method is used for optimization. Real and synthetic experiments show our approach is robust and outperforms other state of the art methods when point clouds are noisy, sparse, and have non-uniform density. Experiments show our method is more robust to initialization and can handle larger scale changes and rotation than other methods. We also show that the approach can be used for 2D-3D alignment via ray-point alignment.

研究の動機と目的

• 点群がノイズを含み、スパースで、非一様に分布している、またはスケールや姿勢が著しく異なる状況下での3次元形状登録の課題に対処すること。
• 近接性とカバレッジに基づく連続的・微分可能な割り当てとして対応関係を曇った形でモデル化することで、明示的な対応関係への依存を排除すること。
• ソース形状とターゲット形状間の近接性とカバレッジを同時に最大化する統一された最適化フレームワークの構築。
• 実用的応用（例：LiDARからカメラへのキャリブレーション）を想定し、2次元-3次元登録への手法の拡張。
• 初期値に依存しない頑健なアライメントを実現し、大きな変換や欠損データに対しても有効であること。

提案手法

• 本手法は、近接性（ソース点からターゲットへの平均距離）とカバレッジ（ターゲット点からソースへの平均距離）を組み合わせたエネルギー関数の最小化として登録を定式化し、重みαおよびβ=1−αを用いる。
• 曇った対応関係は、点xが集合Y内の任意の点からε距離以内にある場合に値1をとるデルタ関数δ(x,Y)を用いてモデル化され、連続的かつ微分可能となる最適化が可能になる。
• Levenberg-Marquardtアルゴリズムを用いた粗いから細かい最適化戦略により、剛体変換および類似変換を効率的に解く。
• 2次元-3次元アライメントでは、カメラ画像のエッジをカメラ中心からのレイとみなして、3次元LiDAR点と照合し、レイ-ポイント登録を実現する。
• 局所的最小値の低減を目的として、完全自動（エッジベース）および半自動（GUIによるユーザー描画領域）の両方の対応関係生成をサポートする。
• 本手法はスケールおよび回転に対して不変であり、点群の個数や密度に著しい差があっても頑健性を維持する。

実験結果

リサーチクエスチョン

• RQ1 ノイズ、スパarsity、非一様なサンプリングが生じる点群において、明示的な対応関係を必要とせず、頑健なアライメントを達成できる登録手法は存在するか？
• RQ2 提案された曇った対応関係モデルは、ICP や CPD と比較して、初期値の感度や大きな変換に対してどのように頑健性を向上させるか？
• RQ3 本手法は、補助物体を必要としないLiDAR-カメラキャリブレーションの2次元-3次元アライメントをどの程度まで処理できるか？
• RQ4 近接性とカバレッジの両指標の組み合わせは、外れ値や欠損データが存在する状況下で、アライメント精度をどのように向上させるか？
• RQ5 本手法は、実世界のLiDARスキャンや合成ベンチマークを含む多様なデータセットにおいても高い性能を維持できるか？

主な発見

• 本手法は、3次元モデリングのためのレンジイメージの対応関係と登録データセットにおいて、最先端の手法を上回り、特にノイズや非一様な密度下でも優れた性能を示した。
• 低解像度、ノイズ、非一様なLiDARスキャンが特徴のFordキャンパスデータセットにおいて、本手法はセンサーの誤差範囲内でのアライメントを達成し、現実世界のノイズに強いことを示した。
• LiDAR-カメラキャリブレーションの2次元-3次元レイ-ポイントアライメントにおいて、再投影された3次元点の90％以上が3ピクセル未満のピクセル誤差を示した。外れ値は画像平面外の点に起因する。
• ICP や CPD よりも初期値に依存しない頑健性を示し、より大きなスケール変化や回転に対しても成功裏に処理できた。
• 半自動のGUIベースの対応関係生成は、テクスチャが乏しいまたはノイズの多いシーンにおける局所的最小値の低減と収束性の向上に顕著な効果を示した。
• 本手法は物理的補助キャリブレーションオブジェクトを必要とせず、カラー、赤外、深度のマルチモodalなデータに対しても適用可能である。