本文作者:3D视觉工坊@Vallee | 来源:3D视觉工坊
GitHub代码:https://github.com/zhangxy0517/3D-Registration-with-Maximal-Cliques (暂未开源)
3D点云配准(PCR)是计算机视觉中的一个基本问题,其目的是寻找对齐点云对的最优位姿。本文提出了一种基于极大团(Maximal cliques, MAC)的3D配准方法,其关键思想是放宽先前的最大团(Maximum clique)约束,在图中挖掘更多的局部共识信息,以准确地生成位姿假设: 1)构建相容性图,表示初始对应之间的亲和关系;2)在图中搜索极大团,每个团代表一个共识集。然后,执行节点引导的团选择,其中每个节点对应于具有最大图权值的极大团;3)利用奇异值分解(SVD)算法对选取的团计算位姿变换假设,并利用最佳假设进行配准。在U3M, 3DMatch, 3DLoMatch和KITTI上的大量实验表明,MAC有效地提高了配准精度,优于各种最先进的方法,并提高了深度学习方法的性能。MAC结合深度学习方法在3DMatch / 3DLoMatch上实现了95.7% / 78.9%的配准召回率。
注:团、极大团(maximal cliques)与最大团(maximum clique)的区别参见https://www.jianshu.com/p/dabbc78471d7。