[论文解读] Structured Global Registration of RGB-D Scans in Indoor Environments.

Maciej Halber, Thomas Funkhouser|arXiv (Cornell University)|Jul 28, 2016

Robotics and Sensor-Based Localization参考文献 43被引用 19

一句话总结

本文提出了一种针对RGB-D扫描的细粒度到粗粒度全局配准方法，通过整合检测到的平面表面的结构约束，提升了在大型室内环境中配准的精度与鲁棒性。通过在配准过程中强制跨帧平面之间的几何关系，该方法实现了卓越的对齐效果，且无需依赖回环检测，在新的SUN3D基准上优于先前的方法。

ABSTRACT

RGB-D scanning of indoor environments (offices, homes, museums, etc.) is important for a variety of applications, including on-line real estate, virtual tourism, and virtual reality. To support these applications, we must register the RGB-D images acquired with an untracked, hand-held camera into a globally consistent and accurate 3D model. Current methods work effectively for small environments with trackable features, but often fail to reproduce large-scale structures (e.g., straight walls along corridors) or long-range relationships (e.g., parallel opposing walls in an office). In this paper, we investigate the idea of integrating a structural model into the global registration process. We introduce a fine-to-coarse algorithm that detects planar structures spanning multiple RGB-D frames and establishes geometric constraints between them as they become aligned. Detection and enforcement of these structural constraints in the inner loop of a global registration algorithm guides the solution towards more accurate global registrations, even without detecting loop closures. During experiments with a newly created benchmark for the SUN3D dataset, we find that this approach produces registration results with greater accuracy and better robustness than previous alternatives.

研究动机与目标

• 解决在大型室内环境中传统方法难以保持结构一致性时，RGB-D扫描全局配准的不准确性问题。
• 通过整合从检测到的平面结构中获得的几何先验，减少长序列中的漂移与错位。
• 开发一种方法，在无需显式回环检测的情况下提升全局一致性。
• 在为大规模室内RGB-D配准设计的新基准数据集上评估性能。

提出的方法

• 一种细粒度到粗粒度的算法通过深度数据的几何分析，在多个RGB-D帧中检测跨越的平面结构。
• 在全局配准过程中建立并强制执行检测到的平面之间的几何约束，如平行性和共面性。
• 将这些结构约束整合到全局配准算法的内层循环中，以引导对齐过程向更精确的解收敛。
• 平面检测通过迭代方式进行，随着跨帧添加更多约束，逐步优化对齐效果。
• 该方法采用稀疏优化框架，同时结合成对ICP基对齐与结构先验。
• 无需回环检测，因为通过持续强制执行平面关系来维持结构一致性。

实验结果

研究问题

• RQ1 将检测到的平面表面的结构先验整合进来，是否能提升在大型室内环境中RGB-D全局配准的精度？
• RQ2 在缺乏回环检测的情况下，与最先进方法相比，所提出方法的性能如何？
• RQ3 平面之间的几何约束在多大程度上增强了全局一致性并减少了长序列中的漂移？
• RQ4 该方法能否在无需显式回环检测的情况下，稳健地重建大型结构，如笔直的墙壁和并行的走廊？

主要发现

• 在新创建的用于大型室内场景的SUN3D基准上，所提方法在配准精度上优于先前的方法。
• 该方法在长序列中表现出更强的鲁棒性，即使在特征跟踪失败时也能保持结构一致性。
• 通过强制执行平面约束，该方法减少了漂移与错位，尤其在走廊和大型开放区域中效果显著。
• 与仅依赖特征的配准方法相比，该方法表现更优，特别是在具有重复性或无纹理表面的环境中。
• 该方法在无需回环检测的情况下，更好地保持了全局几何特征，如平行的相对墙壁和笔直的走廊。
• 基准上的定量结果表明，配准误差指标有显著改善，证实了结构约束的有效性。