保持宏观与微观结构的跨源点云匹配
2017.11.23
投稿:杨秀丽部门:通信与信息工程学院浏览次数:
活动信息
时间: 2017年11月29日 13:30
地点: 校本部东区翔英楼T808室
行健讲坛学术讲座
第 305 期
时间: 2017年11月29日(周三)下午1点30分
地点: 校本部东区翔英楼T808室
讲座: 保持宏观与微观结构的跨源点云匹配
A Systematic Approach for Cross-Source Point Cloud Registration by Preserving Macro and Micro Structures
演讲者: Associate Prof. Jian Zhang,悉尼科技大学(UTS)
讲座摘要:
本报告将介绍一个匹配跨源3D点云的方法。在自动驾驶、智能机器人领域,该研究有着非常重要的影响,它是3D点云所有后续应用的基石。跨源点云产生于不同类别的3D传感器,例如机器人和自动驾驶视觉系统中的彩色相机和雷达或Kinect等不同类别的传感器。在这个报告中,首先,我们将介绍3D传感点云是如何产生的。其次,我们介绍一个匹配方法,将跨源的3D点云数据精确的匹配,以更丰富的3D信息服务于相关应用。跨源点云匹配是一个非常难的问题,因为跨源点云中存在跨源问题,例如噪音,外点,密度差异,尺度差异和数据缺失。我们的贡献在于提出了一个宏观和微观相结合的结构,利用该结构信息,借助于图论的工具,我们将不同源的点云匹配到一起。同时,为了描述该结构,我们还提取了一个新的描述符,把结构信息投影到特征空间。在匹配之后,我们还利用了RANSAC和ICP对结果做进一步的精调。丰富的实验证明,我们的方法能在同源和异源点云中取得很好的匹配精度,并且取得优于最新算法的性能。
演讲者简介: