[論文レビュー] SC^2-PCR: A Second Order Spatial Compatibility for Efficient and Robust Point Cloud Registration

Zhi Chen, Kun Sun+2 more|arXiv (Cornell University)|Mar 28, 2022

3D Shape Modeling and Analysis被引用数 10

ひとこと要約

本稿では、効率的で頑健な点群登録を実現するための、新しい2次元空間的整合性（SC²）測度であるSC²-PCRを提案する。対応関係の整合性におけるグローバルな一貫性を活用することで、初期段階の対応関係クラスタリングにおける外れ値の排除が向上し、より少ない回数で信頼性の高いサンプリング反復が可能になる。本手法は、ベンチマークデータセット上で最先端の精度と効率性を達成しており、FPFHを組み合わせた場合1.96%のリcall gainを達成し、FCGFを組み合わせた場合0.12%のリcall向上を示した。

ABSTRACT

In this paper, we present a second order spatial compatibility (SC^2) measure based method for efficient and robust point cloud registration (PCR), called SC^2-PCR. Firstly, we propose a second order spatial compatibility (SC^2) measure to compute the similarity between correspondences. It considers the global compatibility instead of local consistency, allowing for more distinctive clustering between inliers and outliers at early stage. Based on this measure, our registration pipeline employs a global spectral technique to find some reliable seeds from the initial correspondences. Then we design a two-stage strategy to expand each seed to a consensus set based on the SC^2 measure matrix. Finally, we feed each consensus set to a weighted SVD algorithm to generate a candidate rigid transformation and select the best model as the final result. Our method can guarantee to find a certain number of outlier-free consensus sets using fewer samplings, making the model estimation more efficient and robust. In addition, the proposed SC^2 measure is general and can be easily plugged into deep learning based frameworks. Extensive experiments are carried out to investigate the performance of our method. Code will be available at \url{https://github.com/ZhiChen902/SC2-PCR}.

研究の動機と目的

• 点群登録における曖昧で外れ値に影響を受けやすい対応関係選択の課題に対処すること。
• ランダムサンプリングへの依存度を低げることで、RANSACに類似した手法の頑健性と効率性を向上させること。
• 1次元空間的整合性よりも、インライアとアウーターライアをよりよく区別できるグローバルな類似性測度を開発すること。
• 深層学習ベースの特徴抽出器と統合可能であり、登録性能を向上させること。

提案手法

• 2つのペア間の共通して整合性のある対応関係の数を計算する2次元空間的整合性（SC²）測度を提案し、局所的な類似性よりもグローバルな一貫性を向上させる。
• 1次元空間的整合性行列をバイナリ化して、ハードな整合性形式を生成した後、グローバルな共起スコアを計算する。
• グローバルなスペクトル分解と非最大抑制を用いて、SC²行列から信頼性の高いシード対応関係を特定する。
• 2段階のサンプリング戦略を採用：まずSC²スコアを用いてシードを共通集合に拡張し、次に局所的スペクトルマッチングでそれを精緻化する。
• ソフトなSC²行列を重みとして使用する重み付きSVDを適用し、変換推定における頑健性を向上させる。
• スペクトルクラスタリングによるシード選択を導入することで、共通集合の数を削減し、計算時間を著しく短縮しつつ性能に損失を生じさせない。

実験結果

リサーチクエスチョン

• RQ1 2次元整合性測度は、点群登録におけるインライアとアウーターライアの区別を向上させることができるか？
• RQ2 SC²は、1次元空間的整合性と比較して、曖昧な対応関係スコアをどれほど低減できるか？
• RQ3 SC²に基づくサンプリングは、精度を維持または向上させつつ、必要なRANSAC反復回数を削減できるか？
• RQ4 SC²は、深層学習ベースの特徴抽出器とどれほど統合可能で、登録性能を向上させられるか？
• RQ5 2段階のサンプリングとシード選択戦略は、精度を損なわず計算効率を著しく向上させることができるか？

主な発見

• FPFH特徴を組み合わせた場合、SC²-PCRは1次元空間的整合性を用いた場合と比較して、3DMatchデータセットで1.96%のリcall向上を達成した。
• FCGF特徴を用いた場合、SC²-PCRはベースラインと比較して0.12%のリcall向上を示し、深層学習ベースの特徴に対しても有効性を確認した。
• シード選択を適用した場合、登録時間を50%以上短縮し、FCGFを用いた3DMatchデータセットでは平均推論時間が0.11秒にまで低下した。
• KITTIデータセットでは、FCGF特徴を用いたSC²-PCRが98.02%の登録リコールを達成し、最良のベースラインと同等の性能を示した。
• アブレーションスタディの結果、SC²、2段階選択、局所的スペクトルマッチング、シード選択の各コンポーネントが、性能と効率の向上に段階的に寄与していることが確認された。
• 理論的分析により、1次元手法と比較して、SC²は外れ値に影響を受けるモデルのサンプリング確率を顕著に低減することが示された。