【泡泡点云时空】使用概率混合模型进行广义鲁棒点云配准(ICRA-1)

泡泡点云时空，带你精读点云领域顶级会议文章

标题：Robust Generalized Point Cloud Registration Using Hybrid Mixture Model

作者：Zhe Min  Jiaole Wang  Max Q.-H. Meng

来源：ICRA2018 (2018 IEEE International Conference on Robotics and Automation)

编译：徐二帅

审核：郑英林

欢迎个人转发朋友圈；其他机构或自媒体如需转载，后台留言申请授权

简介

本文介绍了联合每个点的位置和方向信息进行鲁棒点云配准的方法，该方法为概率方法，将点云配准问题转化成求解两个概率模型最大值问题，使用Von-Mises-Fisher(FMM)混合模型来表达点云的方向，使用高斯混合模型（gaussian mixture，GMM）来表达点云的位置。当两个点集被最优的配准，对应关系是整个混合模型将会得到最大的后验概率。两点集间最优的旋转和平移量使用期望最大化（Expectation-Maximization，EM）算法以迭代的方式优化得到。使用股骨CT图像进行大量加入不同噪声和外点的配准实验，对比结果证明了该方法的有效性，在大多数情况下，所提方法优于最先进的方法。

图2展示的是配准中多种情况下平移和旋转量误差的平均和标准分离度。可以看出我们的方法在大多数情况下优于JRMPC方法；我们的方法在不同目标采样情况下具有更好的稳定性。

图3展示的是使用论文所提出算法与JRMPC和ICP算法进行配准成功率对比，可以看出在外点增多的情况下，所提算法的成功率并没有下降，使用ICP算法配准结果是最差的而且是成功率下降最快的。

Abstract

This paper introduces a robust point cloud registration method which utilizes not only positional but also the orientation information at each point. The proposed method takes a probabilistic approach which forms the problem as a hybrid mixture model, in which a Von-Mises-Fisher mixture model (FMM) is adopted to model the orientation part and a gaussian mixture model (GMM) is used to represent the position part. When two point clouds are optimally registered, the correspondence is the maximum of the posterior probability of the overall mixture model. Expectation-Maximization (EM) algorithm has been adopted to solve the optimization problem in an iterative manner to find the optimal rotation and translation between two point clouds. Extensive experiments under different noise levels and different outlier ratios have been carried out on a dataset of the femur CT images. Comparison results show that the proposed method outperforms the state-of-theart methods under most of the experimental conditions, which indicates the validity of our method.

如果你对本文感兴趣，想要下载完整文章进行阅读，可以关注【泡泡机器人SLAM】公众号。

欢迎来到泡泡论坛，这里有大牛为你解答关于SLAM的任何疑惑。

有想问的问题，或者想刷帖回答问题，泡泡论坛欢迎你！

泡泡网站：www.paopaorobot.org

泡泡论坛：http://paopaorobot.org/forums/

泡泡机器人SLAM的原创内容均由泡泡机器人的成员花费大量心血制作而成，希望大家珍惜我们的劳动成果，转载请务必注明出自【泡泡机器人SLAM】微信公众号，否则侵权必究！同时，我们也欢迎各位转载到自己的朋友圈，让更多的人能进入到SLAM这个领域中，让我们共同为推进中国的SLAM事业而努力！

商业合作及转载请联系liufuqiang_robot@hotmail.com