亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        結(jié)合方向包圍框改進(jìn)的三維點(diǎn)云配準(zhǔn)算法

        2022-07-21 09:46:12蘭文昊
        關(guān)鍵詞:云間源點(diǎn)準(zhǔn)點(diǎn)

        蘭文昊,李 寧,佟 強(qiáng)

        1.北京信息科技大學(xué) 自動(dòng)化學(xué)院,北京 100101

        2.北京信息科技大學(xué) 計(jì)算機(jī)學(xué)院,北京 100101

        近年來(lái),隨著深度傳感器成本的降低,能夠直接獲取三維數(shù)據(jù)的設(shè)備越來(lái)越普及。三維點(diǎn)云作為三維數(shù)據(jù)簡(jiǎn)單且有效的表現(xiàn)形式,廣泛應(yīng)用于機(jī)器人、自動(dòng)駕駛和虛擬/增強(qiáng)現(xiàn)實(shí)應(yīng)用中。三維點(diǎn)云配準(zhǔn)算法通過(guò)估算待配準(zhǔn)點(diǎn)云間的對(duì)應(yīng)關(guān)系,獲取待配準(zhǔn)點(diǎn)云間的變換矩陣,已成為近幾年領(lǐng)域內(nèi)的研究熱點(diǎn)[1-4]。這些研究主要聚焦在三維點(diǎn)云配準(zhǔn)的精度、時(shí)間效率和魯棒性等方面,提出了許多不同的方法。

        Besl等人提出最近點(diǎn)迭代配準(zhǔn)算法ICP,使用最小二乘法和奇異值分解來(lái)估算待配準(zhǔn)兩團(tuán)點(diǎn)云間的變換關(guān)系,并用取得的變換參數(shù)更新點(diǎn)云間的對(duì)應(yīng)關(guān)系,迭代上述步驟直到完成三維點(diǎn)云配準(zhǔn)[5]。ICP因?yàn)槠浜?jiǎn)單易用,成為三維點(diǎn)云配準(zhǔn)領(lǐng)域的經(jīng)典算法,經(jīng)常被用于精細(xì)配準(zhǔn)階段。在此后的研究中,Segal等人融合ICP和point-to-plane ICP,提出Generalized-ICP,改善了點(diǎn)云配準(zhǔn)算法對(duì)噪聲和遮擋的魯棒性[6];Bouaziz等人使用稀疏誘導(dǎo)范數(shù)重新定義ICP,提升了ICP對(duì)于外點(diǎn)和不完整點(diǎn)云數(shù)據(jù)的魯棒性[7];Biber等人使用正態(tài)分布變換和牛頓法簡(jiǎn)化了點(diǎn)云間對(duì)應(yīng)關(guān)系的探尋過(guò)程[8];Agamennoni等人在全概率模型上應(yīng)用統(tǒng)計(jì)推理技術(shù),提出一種新的概率數(shù)據(jù)關(guān)聯(lián)策略,提升了配準(zhǔn)算法對(duì)外點(diǎn)和噪聲的魯棒性[9];Yang等人提出TEASER方法,使用截?cái)嘧钚《撕桶攵ㄋ沙趦?yōu)化,剔除了外點(diǎn)的干擾[10]。

        然而,ICP及其改進(jìn)算法的解空間中,至少存在兩個(gè)不同的解,使得目標(biāo)函數(shù)取得局部最優(yōu)值,即非凸問(wèn)題。由于非凸問(wèn)題,配準(zhǔn)結(jié)果的精度高度依賴源點(diǎn)云和模板點(diǎn)云的初始相對(duì)位置。如果待配準(zhǔn)點(diǎn)云間的初始相對(duì)偏轉(zhuǎn)角度過(guò)大,ICP就會(huì)陷入局部最優(yōu),損失配準(zhǔn)精度。為了解決非凸問(wèn)題,找到全局最優(yōu)解,Yang等人提出Go-ICP,使用分支定界的方法搜索三維變換空間SE(3)[11]。雖然Go-ICP能夠得到全局最優(yōu)解,但是算法的時(shí)間復(fù)雜度是ICP及其改進(jìn)算法的數(shù)倍,不能滿足實(shí)時(shí)性需要。在其他關(guān)于點(diǎn)云配準(zhǔn)全局最優(yōu)解的研究中,還包括混合整數(shù)規(guī)劃、黎曼優(yōu)化和凸松弛[12-14]。

        傳統(tǒng)三維點(diǎn)云配準(zhǔn)方法除了非凸問(wèn)題,計(jì)算效率也是一大障礙。傳統(tǒng)方法由于需要明確估計(jì)點(diǎn)云間的對(duì)應(yīng)關(guān)系,計(jì)算效率會(huì)隨著待配準(zhǔn)點(diǎn)云中點(diǎn)數(shù)的增加而降低。隨著深度學(xué)習(xí)技術(shù)在三維點(diǎn)云上的發(fā)展,傳統(tǒng)方法中的問(wèn)題,有了新的解決思路[15-17]。

        Aoki等人將深度學(xué)習(xí)引入三維點(diǎn)云配準(zhǔn)領(lǐng)域,提出PointNetLK[18],使用深度神經(jīng)網(wǎng)絡(luò)PointNet[19]和修改過(guò)的LK[20]算法來(lái)完成三維點(diǎn)云配準(zhǔn)任務(wù),相對(duì)于傳統(tǒng)算法,提升了配準(zhǔn)效率。PCRNet[21]受PointNetLK的啟發(fā),使用PointNet提取三維點(diǎn)云的特征,并采用孿生架構(gòu)的神經(jīng)網(wǎng)絡(luò)來(lái)級(jí)聯(lián)點(diǎn)云間的特征向量,使用學(xué)習(xí)的方法非迭代地獲得點(diǎn)云變換參數(shù),一定程度上改善了算法對(duì)于噪聲的抗干擾能力。

        還有一部分研究嘗試設(shè)計(jì)局部描述符來(lái)尋找源點(diǎn)云和目標(biāo)點(diǎn)云間的對(duì)應(yīng)關(guān)系,如尺度不變曲率描述符[22]、FPFH[23]。由于手工設(shè)計(jì)特征的局限性,一些學(xué)者開(kāi)始研究用深度學(xué)習(xí)來(lái)提取三維局部描述符。3DMatch[24]從RGBD三維重建數(shù)據(jù)中自監(jiān)督學(xué)習(xí)局部特征描述符。PPFNet[25]結(jié)合點(diǎn)云局部特征和整體特征,訓(xùn)練出具有全局信息的局部描述符。PPF-FoldNet[26]使用無(wú)監(jiān)督學(xué)習(xí),得到具有旋轉(zhuǎn)不變性局部描述符。但是這些方法,只能適用于特定場(chǎng)景。

        基于深度學(xué)習(xí)的PointNetLK使用PointNet對(duì)點(diǎn)云進(jìn)行降維,使算法的時(shí)間復(fù)雜度不再隨著點(diǎn)數(shù)的增加而增高。同時(shí),能夠推廣至更廣泛的應(yīng)用場(chǎng)景中。PointNetLK把PointNet看作三維點(diǎn)云的“成像”函數(shù),并使用二維光度追蹤算法LK來(lái)對(duì)齊得到的“像”,雖然避免了傳統(tǒng)三維點(diǎn)云配準(zhǔn)算法的非凸問(wèn)題。但是,由于它所使用的PointNet缺乏卷積結(jié)構(gòu),所提取到的點(diǎn)云特征缺乏點(diǎn)云表面的局部信息,又會(huì)陷入另一種形式的非凸問(wèn)題,其直接結(jié)果是,當(dāng)兩個(gè)點(diǎn)云的偏差角度過(guò)大時(shí),會(huì)影響配準(zhǔn)的精度。

        本文試圖針對(duì)這個(gè)問(wèn)題,對(duì)PointNetLK算法進(jìn)行改進(jìn)。

        1 原始PointNetLK算法

        PointNetLK為了降低點(diǎn)云配準(zhǔn)的計(jì)算成本,使用深度學(xué)習(xí)技術(shù)提取點(diǎn)云特征,達(dá)到對(duì)點(diǎn)云降維的目的。這個(gè)過(guò)程可以理解為對(duì)點(diǎn)云進(jìn)行“成像”。得到源點(diǎn)云和目標(biāo)點(diǎn)云的“像”后,PointNetLK使用二維光流追蹤算法LK,去獲得兩“像”之間的變換參數(shù),從而導(dǎo)出三維點(diǎn)云間的轉(zhuǎn)動(dòng)參數(shù),進(jìn)而完成配準(zhǔn)。

        但是,PointNetLK中用于提取點(diǎn)云特征的深度網(wǎng)絡(luò)PointNet缺乏卷積結(jié)構(gòu),僅能得到帶有坐標(biāo)信息的點(diǎn)云的宏觀特征,導(dǎo)致PointNet成為一個(gè)多峰“成像”函數(shù)。其結(jié)果就是,PointNetLK陷入非凸優(yōu)化問(wèn)題。

        下面用大寫粗斜體字母表示矩陣和三維點(diǎn)集,如P,小寫粗斜體表示列向量和N維點(diǎn),如t,大寫斜體字母表示常量,如M,小寫斜體表示標(biāo)量,如j。

        1.1 三維點(diǎn)云配準(zhǔn)的一般目標(biāo)

        其中L=min{M,N}。

        旋轉(zhuǎn)矩陣R和平移向量t通常表示為齊次形式,如式(2)所示:

        三維點(diǎn)云配準(zhǔn)的預(yù)期效果如圖1所示。傳統(tǒng)配準(zhǔn)算法,需要點(diǎn)云中所有點(diǎn)都參與到配準(zhǔn)過(guò)程中,這使得算法運(yùn)行時(shí)間會(huì)隨著點(diǎn)云規(guī)模擴(kuò)大而增加。借助于深度學(xué)習(xí)技術(shù),可以從點(diǎn)云中提取適合于配準(zhǔn)目標(biāo)的特征,且特征的維度遠(yuǎn)小于原始點(diǎn)云的規(guī)模,可望降低計(jì)算成本,并解決傳統(tǒng)迭代配準(zhǔn)算法中的多極值優(yōu)化,即非凸問(wèn)題。

        圖1 飛機(jī)點(diǎn)云的配準(zhǔn)過(guò)程Fig.1 Registration process of aircraft point cloud

        1.2 PointNetLK中點(diǎn)云特征的提取

        如1.1節(jié)所述,用矩陣形式表示三維點(diǎn)云P和Q,即P∈?3×N和Q∈?3×M。

        把PointNet看作是一個(gè)三維點(diǎn)云的“成像”函數(shù)Ψ:?3×N→?K。函數(shù)Ψ把一個(gè)多層感知機(jī)(MLP)應(yīng)用到三維點(diǎn)云中的每個(gè)點(diǎn)上,使N個(gè)三維點(diǎn)轉(zhuǎn)變?yōu)镹個(gè)K維點(diǎn),即?3×N→?K×N,接著進(jìn)行最大池化操作從N個(gè)K維點(diǎn)中,選取一個(gè)最顯著的K維點(diǎn)作為三維點(diǎn)云的K維全局特征向量,即?K×N→?K,即三維點(diǎn)云的“像”。

        Ψ雖然起到了對(duì)三維點(diǎn)云降維的作用,達(dá)到了降低計(jì)算量的目的,但是,其本身是由MLP構(gòu)成的深度學(xué)習(xí)網(wǎng)絡(luò),缺乏卷積結(jié)構(gòu),不具備提取點(diǎn)云表面局部微觀特征的能力。這將導(dǎo)致Ψ(P)和Ψ(Q)僅能反映點(diǎn)云P和Q的宏觀輪廓特征。LK算法無(wú)法捕獲點(diǎn)云P和Q表面細(xì)節(jié)的坐標(biāo)信息差異。其結(jié)果就是,配準(zhǔn)易陷入非凸問(wèn)題,停滯在局部最優(yōu)狀態(tài)。

        1.3 光流追蹤與點(diǎn)云變換的紐帶-指數(shù)映射

        1.1節(jié)使用旋轉(zhuǎn)矩陣R和平移向量t表示三維空間中的坐標(biāo)變換T。為了方便使用LK[20]算法獲取坐標(biāo)變換矩陣的更新參數(shù),這里采用指數(shù)映射形式來(lái)表示三維空間中的坐標(biāo)變換,空間坐標(biāo)變換矩陣T表示如下:

        其中:

        為指數(shù)映射的產(chǎn)生算子,與轉(zhuǎn)動(dòng)參數(shù)δi一一對(duì)應(yīng)。如果把P看成是模板點(diǎn)云,把Q看成是源點(diǎn)云,則三維點(diǎn)云配準(zhǔn)的目標(biāo)可以轉(zhuǎn)化為找到最佳三維空間坐標(biāo)變換T,使得:

        其中,·表示對(duì)源點(diǎn)云Q進(jìn)行三維空間中的坐標(biāo)變換。

        1.4 配準(zhǔn)目標(biāo)與光流追蹤的結(jié)合

        由于配準(zhǔn)過(guò)程中,源點(diǎn)云的坐標(biāo)是動(dòng)態(tài)變化的,借鑒反向組合LK算法,實(shí)現(xiàn)只計(jì)算一次模板點(diǎn)云P對(duì)于無(wú)窮小轉(zhuǎn)動(dòng)參數(shù)δ的三維空間坐標(biāo)變化率就能夠完成算法迭代過(guò)程,從而減小計(jì)算量。根據(jù)上述思想,把三維點(diǎn)云配準(zhǔn)的目標(biāo)的形式變?yōu)椋?/p>

        式(5)等號(hào)右邊可以展開(kāi)為:

        為了方便計(jì)算,采用有限差分梯度去近似Ψ對(duì)于轉(zhuǎn)動(dòng)參數(shù)δ的梯度。Jacobian矩陣用J表示,則J的第i列Ji的計(jì)算過(guò)程為:

        其中,δi取非常小的固定值來(lái)代替無(wú)窮小量。

        轉(zhuǎn)動(dòng)參數(shù)δ可以由下面公式計(jì)算出:

        其中,J+是J的廣義逆。

        在迭代配準(zhǔn)過(guò)程中,每次迭代都會(huì)用轉(zhuǎn)動(dòng)參數(shù)δ更新源點(diǎn)云Q:

        PointNetLK階段迭代結(jié)束后,源點(diǎn)云的三維空間坐標(biāo)變換矩陣可以表示為:

        PointNetLK的整體流程如圖2所示,其中P為模板點(diǎn)云,Q為源點(diǎn)云,虛線框內(nèi)為算法循環(huán)部分。

        雖然PointNetLK跳出了傳統(tǒng)迭代配準(zhǔn)的非凸問(wèn)題,但由于缺乏卷積結(jié)構(gòu)的PointNet僅能提取到含有坐標(biāo)信息的點(diǎn)云的宏觀特征,導(dǎo)致點(diǎn)云偏轉(zhuǎn)角度過(guò)大時(shí),配準(zhǔn)算法又陷入新型局部最優(yōu)問(wèn)題,直觀配準(zhǔn)結(jié)果如圖3所示。

        把PointNet看成是轉(zhuǎn)動(dòng)參數(shù)δ的函數(shù)Ψ(δ),在源點(diǎn)云和目標(biāo)點(diǎn)云初始偏轉(zhuǎn)角度過(guò)大的情況下,使用LK算法迭代更新δ時(shí),會(huì)存在至少兩個(gè)不同的轉(zhuǎn)動(dòng)參數(shù)δ1和δ2,Ψ(δ1)=Ψ(δ2)。這時(shí),式(8)等號(hào)右側(cè)為0,δ停止更新,配準(zhǔn)算法陷入局部最優(yōu),損失配準(zhǔn)精度,如圖4所示。

        圖2 PointNetLK算法流程圖Fig.2 Flow chart of PointNetLK algorithm

        圖3 PointNetLK階段對(duì)偏轉(zhuǎn)角度較大點(diǎn)云配準(zhǔn)結(jié)果Fig.3 Registration results of point clouds with larger deflection angle in PointNetLK phase

        圖4 PointNetLK陷入局部最優(yōu)Fig.4 PointNetLK falling into local optimum

        2 對(duì)PointNetLK算法的改進(jìn)

        如圖4分析,PointNetLK在源點(diǎn)云和目標(biāo)點(diǎn)云初始相對(duì)偏轉(zhuǎn)角度過(guò)大的情況下,陷入局部最優(yōu)。本文針對(duì)這個(gè)問(wèn)題,提出了PointNetLK-OBB算法。該算法在PointNetLK的基礎(chǔ)上,利用能夠刻畫點(diǎn)云全局規(guī)整特征的三維幾何工具Oriented Bounding Box[27-28],在ICP的指引下,避開(kāi)PointNetLK語(yǔ)境下的非凸問(wèn)題,從而提升偏轉(zhuǎn)角度過(guò)大的點(diǎn)云間的配準(zhǔn)精度。

        2.1 Oriented Bounding Box的構(gòu)造

        Oriented Bounding Box(OBB)是指能夠包圍三維點(diǎn)云的最小體積,通常由一個(gè)中心點(diǎn),三個(gè)表示方向的正交單位向量和三個(gè)表示長(zhǎng)寬高延展半徑的標(biāo)量{l,w,h}來(lái)表示。

        三維點(diǎn)云的Axis Aligned Bounding Box(AABB)和OBB一樣,都是三維空間中的幾何描述工具??紤]一般點(diǎn)云X∈?3×N的OBB和AABB,分別記為OBBX和AABBX。OBBX可以看成點(diǎn)云X經(jīng)過(guò)某一空間旋轉(zhuǎn)R∈?3×3后得到的X′的軸對(duì)齊包圍框AABBX′,即:

        所以O(shè)riented Bounding Box的求解問(wèn)題轉(zhuǎn)變?yōu)椋瑥奶厥庹蝗豪镎业揭粋€(gè)合適的三維旋轉(zhuǎn)R∈SO(3,?),使得AABBX′的體積最?。?/p>

        OBB的求解使用Hybrid Bounding Box Rotation Identification[28]。

        2.2 三維點(diǎn)云配準(zhǔn)目標(biāo)與Oriented Bounding Box的結(jié)合

        式(10)給出了PointNetLK階段獲取到的能夠?qū)RQ和P主體特征的空間變換TPointNetLK。用TPointNetLK更新后的源點(diǎn)云記為Q′:

        分別記Q′和P的OBB為OBBQ′和OBBP,為了利用OBB的規(guī)整性完成三維點(diǎn)云配準(zhǔn)任務(wù),需要將OBBQ′和OBBP對(duì)齊。為了對(duì)齊OBBQ′和OBBP,使用ICP對(duì)齊OBBQ′和OBBP的頂點(diǎn)。記OBBQ′的頂點(diǎn)為?3×8,OBBP的頂點(diǎn)為POBB∈?3×8。

        一般點(diǎn)云X的方向包圍框OBBX的頂點(diǎn)可以看作式(10)中AABBX′的頂點(diǎn)經(jīng)歷了一個(gè)空間旋轉(zhuǎn)R-1,所以O(shè)BBX的八個(gè)頂點(diǎn)為:

        因?yàn)辄c(diǎn)云的OBB刻畫點(diǎn)云的主體特征,所以應(yīng)用在OBB的八個(gè)頂點(diǎn)上的空間變換,同樣可以應(yīng)用在點(diǎn)云中的每個(gè)點(diǎn)上。在式(13)的基礎(chǔ)上,繼續(xù)對(duì)PointNetLK階段結(jié)束時(shí)的源點(diǎn)云Q′應(yīng)用空間變換TICP,效果如圖5所示,記更新后的Q′為Q″即:

        把經(jīng)過(guò)空間變換TICP更新后的源點(diǎn)云Q″的OBB記為OBBQ″。從圖5(a)可以看出,PointNetLK配準(zhǔn)階段結(jié)束時(shí),盆栽點(diǎn)云的主體特征已經(jīng)被對(duì)齊,但是不夠規(guī)整,處于非凸優(yōu)化問(wèn)題中局部最優(yōu)狀態(tài)。利用能夠刻畫點(diǎn)云主體特征且規(guī)整的OBB能夠幫助點(diǎn)云配準(zhǔn)算法跳出局部最優(yōu),提升配準(zhǔn)精度。

        圖5 中文盆栽點(diǎn)云OBB的對(duì)齊過(guò)程Fig.5 OBB alignment process of potted plant point cloud

        通過(guò)觀察圖5(b),可以發(fā)現(xiàn)對(duì)齊OBBQ″和OBBP后的Q″和P,處于鏡面對(duì)稱狀態(tài)。圖5(b)所展示的處于鏡面對(duì)稱狀態(tài)的源點(diǎn)云Q″和目標(biāo)點(diǎn)云P,它們的對(duì)稱面經(jīng)過(guò)OBB的中心點(diǎn),且平行于OBB側(cè)面。點(diǎn)云Q″和P想要從鏡面狀態(tài)恢復(fù)到完全擬合狀態(tài),Q″需要以O(shè)BB的中心c∈?3為中心,以表示OBB方向且平行于OBB長(zhǎng)邊的單位向量為旋轉(zhuǎn)軸,旋轉(zhuǎn)π個(gè)弧度,記此空間變換矩陣為Tmirror,則:

        式(18)中之所以是約等于的關(guān)系,是因?yàn)樵肼暫蛡鞲衅髡`差的存在。

        至此,可以得到配準(zhǔn)任務(wù)的最終空間旋轉(zhuǎn)變換估計(jì)Tfinal:

        在求取Tmirror的過(guò)程中,模板點(diǎn)云和源點(diǎn)云鏡像對(duì)稱的對(duì)稱面可能有三種情況,即分別以表示OBB方向的單位正交向量為法線的平面。所以,Tmirror也有三種計(jì)算結(jié)果,從中挑選最佳Tmirror,使得P和Tmirror·Q″的擬合度最高。改進(jìn)后的總體算法流程圖如圖6所示。

        OBB能夠更加規(guī)整地表達(dá)三維點(diǎn)云的宏觀特征,如圖7所示,為三維點(diǎn)云注冊(cè)任務(wù)提供點(diǎn)云的全局信息。PointNetLK-OBB借助OBB避開(kāi)PointNetLK語(yǔ)境下的局部最優(yōu),加快配準(zhǔn)速度,提升配準(zhǔn)精度。

        2.3 PointNetLK-OBB的訓(xùn)練

        為了保證PointNet能夠從點(diǎn)云數(shù)據(jù)中提取到特征,需要訓(xùn)練PointNet分類網(wǎng)絡(luò)。但是,僅訓(xùn)練PointNet,網(wǎng)絡(luò)提取到的特征并不適合點(diǎn)云配準(zhǔn)任務(wù)。為了保證PointNet能夠從點(diǎn)云數(shù)據(jù)中提取到適合于配準(zhǔn)任務(wù)的全局特征,為后序的高精度配準(zhǔn)奠定基礎(chǔ),需要在Point-Net分類網(wǎng)絡(luò)的訓(xùn)練基礎(chǔ)上,訓(xùn)練PointNetLK以達(dá)到微調(diào)PointNet網(wǎng)絡(luò)參數(shù)的目的。

        圖6 PointNetLK-OBB算法推理模型Fig.6 Reasoning model of PointNetLK-OBB algorithm

        圖7 盆栽點(diǎn)云的方向包圍框Fig.7 Orientation bounding box of potted plant point cloud

        PointNetLK之后的算法部分,沒(méi)有使用PointNet“成像”函數(shù)Ψ和Ψ提取到的點(diǎn)云特征,而是直接用點(diǎn)云本身來(lái)完成最后的高精度配準(zhǔn),所以在訓(xùn)練算法模型時(shí),只訓(xùn)練PointNetLK部分。

        訓(xùn)練PointNetLK所使用的損失函數(shù)為PointNet“成像”函數(shù)Ψ提取到的源點(diǎn)云Q和目標(biāo)點(diǎn)云P的特征差的二范數(shù),以及由PointNetLK估計(jì)出的變換矩陣和真實(shí)變換矩陣之差的F范數(shù),即:

        3 實(shí)驗(yàn)

        3.1 數(shù)據(jù)集

        使用ModelNet40[29]作為實(shí)驗(yàn)數(shù)據(jù)集。ModelNet40是一個(gè)公開(kāi)的數(shù)據(jù)集,共包含40個(gè)類別的CAD模型,每個(gè)類別由訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)組成。因?yàn)镻ointNetLK使用ModelNet40來(lái)測(cè)試和分析算法性能,所以使用該數(shù)據(jù)集,方便與PointNetLK進(jìn)行比較。

        3.2 不同初始偏轉(zhuǎn)角度下的配準(zhǔn)誤差

        為了驗(yàn)證結(jié)合方向包圍框改進(jìn)的PointNetLK算法PointNetLK-OBB的有效性,將本文方法與PointNetLK算法在ModelNet40上做對(duì)比實(shí)驗(yàn),直觀對(duì)比效果如圖8所示。本文結(jié)果顯示,結(jié)合方向包圍框改進(jìn)的PointNetLK在待配準(zhǔn)點(diǎn)云偏轉(zhuǎn)角度較大情況下,有效地降低了配準(zhǔn)誤差。

        分別用PointNetLK和PointNetLK-OBB在ModelNet40的測(cè)試集上進(jìn)行實(shí)驗(yàn)。為了觀察算法在不同初始狀態(tài)下的配準(zhǔn)表現(xiàn),在實(shí)驗(yàn)中用到的源點(diǎn)云和模板點(diǎn)云的初始偏轉(zhuǎn)角度以10°為間隔,從0°到180°,均勻分布,位移為[0,0.3]之間的隨機(jī)量。將估算得到的變換矩陣Tfinal和真實(shí)變換矩陣的逆(Tgroundtruth)-1之間的乘積Terror=Tfinal·(Tgroundtruth)-1作為算法評(píng)價(jià)標(biāo)準(zhǔn)。為了驗(yàn)證算法在數(shù)據(jù)集上的整體表現(xiàn),使用同一偏轉(zhuǎn)角度下的所有測(cè)試數(shù)據(jù)的平均誤差來(lái)表示最終的算法性能。

        圖8 PointNetLK和PointNetLK-OBB配準(zhǔn)結(jié)果對(duì)比Fig.8 Comparison of registration results between PointNetLK and PointNetLK-OBB

        第一組觀測(cè)數(shù)據(jù)為算法的平均位移誤差。使用Terror中的t(見(jiàn)式(2))的模表示位移誤差,由同一偏轉(zhuǎn)角度下的所有測(cè)試數(shù)據(jù)的位移誤差平均得到最終的位移誤差。不同偏轉(zhuǎn)角度下的最終位移誤差如圖9所示。

        圖9 不同初始偏轉(zhuǎn)角度下的平均位移誤差Fig.9 Average displacement error under different initial deflection angles

        從圖9可以看出,待配準(zhǔn)點(diǎn)云間的初始偏差角度大于90°時(shí),PointNetLK的平均位移誤差在繼續(xù)增大,而PointNetLK-OBB能夠保持一個(gè)較低誤差水平。

        第二組觀測(cè)數(shù)據(jù)為算法的平均偏轉(zhuǎn)角度誤差。使用δerror代替Terror(見(jiàn)式(3)),由δerror的前三個(gè)分量δ1、δ2、δ3的模表示旋轉(zhuǎn)角度誤差,由同一偏轉(zhuǎn)角度下的所有測(cè)試數(shù)據(jù)旋轉(zhuǎn)角度誤差平均得到最終的角度誤差。不同偏轉(zhuǎn)角度下的最終角度誤差如圖10所示。

        從圖10可以看出,待配準(zhǔn)點(diǎn)云間的初始偏差角度大于90°時(shí),PointNetLK平均旋轉(zhuǎn)角度誤差逐漸增大,而PointNetLK-OBB能夠保持一個(gè)較低的旋轉(zhuǎn)角度誤差水平。

        圖10 不同初始偏轉(zhuǎn)角度下的平均旋轉(zhuǎn)角度誤差Fig.10 Average rotation angle error under different initial deflection angles

        由于PointNetLK使用全連接網(wǎng)絡(luò)PointNet(Ψ)僅提取到點(diǎn)云宏觀輪廓特征,在待配準(zhǔn)點(diǎn)云初始偏轉(zhuǎn)角度較大情況下,至少存在一種非目標(biāo)姿態(tài)下的點(diǎn)云特征是和目標(biāo)姿態(tài)特征相同,導(dǎo)致LK算法在非目標(biāo)狀態(tài)時(shí),停止更新轉(zhuǎn)動(dòng)參數(shù)(見(jiàn)式(8)),配準(zhǔn)算法陷入新的局部最優(yōu),見(jiàn)圖4。所以點(diǎn)云偏轉(zhuǎn)角度越大,這種與目標(biāo)姿態(tài)點(diǎn)云特征相同的非目標(biāo)姿態(tài)越多,導(dǎo)致PointNetLK配準(zhǔn)誤差越大。

        結(jié)合方向包圍框改進(jìn)的PointNetLK算法,借助PointNetLK跳出了傳統(tǒng)配準(zhǔn)算法的非凸問(wèn)題,對(duì)齊了點(diǎn)云中的主體成分,利用方向包圍框的規(guī)整性,在ICP算法的引導(dǎo)下,對(duì)齊了方向包圍框,利用鏡面對(duì)稱效應(yīng),翻轉(zhuǎn)點(diǎn)云,避開(kāi)了由PointNet和式(8)和引起的新型局部最優(yōu)問(wèn)題,進(jìn)而在點(diǎn)云偏轉(zhuǎn)角度過(guò)大時(shí),有效降低配準(zhǔn)誤差。

        3.3 不同初始偏轉(zhuǎn)角度下的配準(zhǔn)時(shí)間性能

        為了測(cè)試PointNetLK-OBB算法的時(shí)間性能,將其與原始PointNetLK算法在Intel Xeon 2.1 GHz CPU上進(jìn)行對(duì)比。結(jié)果顯示,本文算法的運(yùn)行時(shí)間并沒(méi)有顯著增加,與原始算法的時(shí)間性能相差無(wú)幾。

        分別用PointNetLK和PointNetLK-OBB在ModelNet40的測(cè)試集上進(jìn)行實(shí)驗(yàn)。在實(shí)驗(yàn)中用到的源點(diǎn)云和模板點(diǎn)云的偏轉(zhuǎn)角度從0°到180°,以10°為間隔,均勻分布,位移為[0,0.3]之間的隨機(jī)量。為了測(cè)試算法在數(shù)據(jù)集上的整體時(shí)間性能,使用同一偏轉(zhuǎn)角度下的所有測(cè)試數(shù)據(jù)的平均運(yùn)行時(shí)間來(lái)表示最終的算法時(shí)間性能,如圖11所示。

        從圖11可以看出,PointNetLK-OBB和PointNetLK的運(yùn)行時(shí)間隨著初始偏轉(zhuǎn)角度的增大而增加,且沒(méi)有明顯差異。結(jié)合圖9和圖10,可以發(fā)現(xiàn),在高精度完成配準(zhǔn)任務(wù)的前提下,PointNetLK-OBB運(yùn)行時(shí)間仍然處于一個(gè)可接受的水平。

        PointNetLK-OBB之所以能夠保持較低的時(shí)間消耗,是因?yàn)樵袋c(diǎn)云和模板點(diǎn)云方向包圍框的規(guī)整性。PointNetLK-OBB可以快速使用ICP對(duì)齊包圍框的八個(gè)頂點(diǎn),并在待配準(zhǔn)點(diǎn)云之間產(chǎn)生鏡面對(duì)稱效應(yīng)。處于鏡面對(duì)稱狀態(tài)的待配準(zhǔn)點(diǎn)云,僅需依靠點(diǎn)云自身的旋轉(zhuǎn),便可完成高精度的點(diǎn)云配準(zhǔn)。提升精度的同時(shí),降低了算法的時(shí)間消耗。

        圖11 不同初始偏差角度下的平均運(yùn)行時(shí)間Fig.11 Average running time under different initial deviation angles

        4 結(jié)語(yǔ)

        本文針對(duì)PointNetLK在待配準(zhǔn)點(diǎn)云偏差角度過(guò)大時(shí),陷入局部最優(yōu),損失精度的問(wèn)題,提出了一種結(jié)合方向包圍框改進(jìn)的點(diǎn)云配準(zhǔn)方法PointNetLK-OBB。該方法利用PointNetLK跳出了傳統(tǒng)點(diǎn)云配準(zhǔn)的非凸問(wèn)題,完成了點(diǎn)云主成分的對(duì)齊,利用三維點(diǎn)云方向包圍框的規(guī)整性,并在ICP的引導(dǎo)下,在點(diǎn)云間產(chǎn)生鏡面對(duì)稱效應(yīng),配合源點(diǎn)云自身的旋轉(zhuǎn),避開(kāi)由缺乏卷積結(jié)構(gòu)的PointNet引起的新型局部最優(yōu)問(wèn)題。

        改進(jìn)的配準(zhǔn)算法PointNetLK-OBB在公開(kāi)的三維數(shù)據(jù)集ModelNet40上與原始算法PointNetLK進(jìn)行對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明,PointNetLK-OBB在待配準(zhǔn)點(diǎn)云偏差角度較大的情況下,能夠避開(kāi)PointNetLK語(yǔ)境下的局部最優(yōu),保證時(shí)間效率的同時(shí),高精度地完成三維點(diǎn)云配準(zhǔn)。

        針對(duì)本文的方法,有讀者可能會(huì)提出用方向包圍框、ICP及其產(chǎn)生的鏡面對(duì)稱效應(yīng),替代PointNetLK。本文認(rèn)為,單獨(dú)使用方向包圍框、ICP及其產(chǎn)生的鏡面對(duì)稱效應(yīng),無(wú)法完成點(diǎn)云配準(zhǔn)。方向包圍框系列的方法,需要ICP的支持。而ICP最大的問(wèn)題就是高度依賴待配準(zhǔn)點(diǎn)云的初始位置,很容易陷入傳統(tǒng)非凸問(wèn)題。本文方法很好地解決了這個(gè)問(wèn)題,利用PointNetLK跳出了傳統(tǒng)非凸問(wèn)題,又利用方向包圍框的規(guī)整性避開(kāi)了PointNetLK語(yǔ)境下的局部最優(yōu)問(wèn)題。

        經(jīng)過(guò)實(shí)驗(yàn)發(fā)現(xiàn),目前,PointNetLK-OBB只能對(duì)尺度一致的點(diǎn)云進(jìn)行配準(zhǔn),未來(lái)的改進(jìn)可以利用方向包圍框的伸縮,來(lái)完成尺度不一致的點(diǎn)云配準(zhǔn)。

        本文算法目前可以應(yīng)用于AR醫(yī)療,未來(lái)還可以擴(kuò)展至機(jī)器人路徑規(guī)劃、自動(dòng)駕駛等應(yīng)用和三維重建等領(lǐng)域。因此,本文算法是一項(xiàng)有意義的研究。

        猜你喜歡
        云間源點(diǎn)準(zhǔn)點(diǎn)
        準(zhǔn)點(diǎn)
        讀者(2019年20期)2019-10-09 03:34:59
        準(zhǔn)點(diǎn)率前十,日本機(jī)場(chǎng)占五席
        我寫的詩(shī)
        隱喻的語(yǔ)篇銜接模式
        首屆“絲路源點(diǎn)·青年學(xué)者研討會(huì)”主題論壇在我校成功舉辦
        淺析井控坐崗的源點(diǎn)
        JAL獲得世界航空公司準(zhǔn)點(diǎn)率三冠王
        05云間
        云間公子落凡塵
        云間旅人
        久久久2019精品视频中文字幕| 久久精品国产精品国产精品污| 亚洲国产美女精品久久久久| 亚欧免费视频一区二区三区| 久久午夜一区二区三区| 精品一区二区三区在线视频| 日日摸日日碰夜夜爽无码| 国产AV无码一区精品天堂| 成人激情视频一区二区三区| 国产禁区一区二区三区| 欧美黑人性暴力猛交喷水黑人巨大 | 国产成人久久精品流白浆| 国产视频一区二区三区观看| 国产乱人伦av在线a麻豆| 美女高潮无遮挡免费视频 | 国产少妇露脸精品自拍网站| 野花香社区在线视频观看播放| 三年片免费观看大全国语| 男性一插就想射是因为啥| 亚洲韩日av中文字幕| 精品国产乱码久久久久久婷婷| 中文字幕精品久久久久人妻红杏1| 午夜国产精品视频免费看电影| 亚洲国产综合精品中久| 国产无遮挡又爽又刺激的视频老师 | 日韩精品无码久久久久久| 国产网友自拍亚洲av| 国产熟人精品一区二区| 日韩毛片免费无码无毒视频观看| 男人j进女人p免费视频| 午夜视频在线观看国产| 草草地址线路①屁屁影院成人| 亚洲av鲁丝一区二区三区| 蜜臀av人妻一区二区三区| 亚洲天堂av三区四区不卡| 99精品国产高清一区二区麻豆 | 男吃奶玩乳尖高潮视频| 亚洲精品久久久无码av片软件| jiZZ国产在线女人水多| 精品国产a一区二区三区v| 国产天美传媒性色av|