《Geometrically Consistent Plane Extraction for Dense Indoor 3D Maps Segmentation》
基于三维模型的多平面提取方法和基于几何的三维模型语义分割
该论文中两个不同任务。
任务一:基于图的3D物体分割
1.进行正常的稠密三维重建(本文重建的时候用的infiniTAM和NYUv2的数据集)
2.进行超体素分割。
(利用一组超体素来表示数百万的点云,从而降低计算成本)。分割后的超体素由一组曲面片,每个曲面片包含一个质心C,法向量n,和曲率u。同时还在曲面片V上定义了adjacency图G.
3.基于图的场景分割。
任务二:几何一致的平面提取
(本文使用一种算法来联合整个重建好的场景来找到所有的平面)
(之前的方法是顺序连续使用RANSAC方法,直到找不到更多的平面为止)(该方法有一些缺点,在3月1日的日志中有所记载)
1.进行正常的稠密三维重建
2.进行超体素分割。
(利用一组超体素来表示数百万的点云,从而降低计算成本)。分割后的超体素由一组曲面片,每个曲面片包含一个质心C,法向量n,和曲率u。
每个曲面片代表一个局部曲面,
3.构造能量函数
4.最小化能量函数来提取3D场景中的多个平面
本文的主要贡献:
1.使用能量最小化方法联合提取3D场景中所有可能的底层平面的新算法
2.我们的算法通过加强平面对之间的正交和平行约束来确保提取的平面在几何上与场景结构一致。
3.展示了如何使用简单的图形聚类算法将这些提取的平面与场景分割的局部表面凸性紧密结合
其github开源地址:
https://github.com/MarkusEich/cpf_segmentation