我们在非刚性配准中究竟做了什么?

信息处理 图像配准 点云
2022-02-23 08:55:43

我在 上找到了很多读物Non rigid registration,也看过一些视频,但在任何地方都没有找到明确的解释。

我的理解如下

刚性配准:是两个点云的对齐而不改变形状(即仅通过旋转和平移)。使用ICP算法。假设另一个点云中最近的点是对应点。

  • 并非所有点都需要对应检测。
  • 所有点都应用相同的变换。
  • 迭代

非刚性配准:在这种情况下,点云的形状可能会发生变化。但我们到底在做什么?我们是否使用 找到对应点Spin Images,然后对每个对应点应用单独的转换(在这种情况下为平移)?

  • 必须对所有点进行对应检测。
  • 所有点都应用了它们单独的转换(可能相同)。
  • 不迭代:只需应用翻译

分段刚性配准:我们将非刚性点云分成许多刚性部分,然后对每个部分应用单独的刚性变换。这介于刚性和非刚性配准之间。

  • 仅对一些点进行对应检测。
  • 相同的变换应用于特定刚性零件中的那些点,但不同的零件可能有不同的变换。
  • 迭代

如果我在某个地方错了,请纠正我。

SIFT另外,在对应检测中是否有任何作用。我在 3D 中看到了一些 SIFT 的链接。

2个回答

我发现这份调查报告非常有用: http ://ralph.cs.cf.ac.uk/papers/Geometry/Registration.pdf

它提供了该领域的分类概述。我认为第 3 节和第 4 节与您最相关。

配准是恢复将一个数据集(可以是点云)应用到另一个数据集的空间变换。空间变换可以包括刚体运动(不变形)和变形;在分段刚性变形的情况下,系统是一个机构,即具有不同运动的多个刚性部件。

无论如何,变换由多个自由度(平移、旋转、收缩、控制点的位置...)和相关参数来描述。配准过程使用来自原始数据集和转换数据集的信息来估计与这些自由度相关的参数。

例如,当将指定云注册到另一个具有已知对应关系的云上时,每个点对都给出一个变换方程,可用于求解一个自由度。通常有比未知参数更多的方程,并且使用(稳健)拟合技术,例如 RANSAC。