三维人脸稠密对应是三维人脸分析研究的前提和基础。目前大多数的稠密对应技术是基于模板形变的方式,非刚性最近点迭代(iterative closest point, ICP)是应用最为广泛的一种,该算法通过逐步形变一个高分辨率的三维人脸模板来逼近目标人...三维人脸稠密对应是三维人脸分析研究的前提和基础。目前大多数的稠密对应技术是基于模板形变的方式,非刚性最近点迭代(iterative closest point, ICP)是应用最为广泛的一种,该算法通过逐步形变一个高分辨率的三维人脸模板来逼近目标人脸(扫描人脸数据)。但该类方法通过牺牲边缘精度来保持边缘区域的拓扑结构,以保证人脸之间的稠密对应。针对这一问题,提出了一种结合拓扑结构损失项的非刚性ICP算法,使得保持边缘区域拓扑结构的同时不会大幅度牺牲配准精度。实验结果表明,该算法比目前广泛使用的算法配准精度更高。展开更多
基于点云的空间非合作目标位姿估计,常受到噪声影响.提出截断最小二乘估计与半定松弛(truncated least squares estimation and semidefinite relaxation,TEASER)与迭代最近点(iterative closest point,ICP)的结合算法,提升空间非合作...基于点云的空间非合作目标位姿估计,常受到噪声影响.提出截断最小二乘估计与半定松弛(truncated least squares estimation and semidefinite relaxation,TEASER)与迭代最近点(iterative closest point,ICP)的结合算法,提升空间非合作目标位姿估计精度与鲁棒性.该方法包括粗配准与精配准两个环节:在粗配准环节中,基于局部点云与模型点云的方向直方图特征(signature of histogram of orientation,SHOT)确定匹配对,利用TEASER算法求解初始位姿;在精配准环节中,可结合ICP算法优化位姿估计结果.北斗卫星仿真实验表明:在连续帧位姿估计中,噪声标准差为3倍点云分辨率时,基于TEASER的周期关键帧配准方法的平移误差小于3.33 cm,旋转误差小于2.18°;与传统ICP方法相比,平均平移误差与平均旋转误差均有所降低.这表明所提出的空间非合作目标位姿估计方法具有良好的精度和鲁棒性.展开更多
文摘三维人脸稠密对应是三维人脸分析研究的前提和基础。目前大多数的稠密对应技术是基于模板形变的方式,非刚性最近点迭代(iterative closest point, ICP)是应用最为广泛的一种,该算法通过逐步形变一个高分辨率的三维人脸模板来逼近目标人脸(扫描人脸数据)。但该类方法通过牺牲边缘精度来保持边缘区域的拓扑结构,以保证人脸之间的稠密对应。针对这一问题,提出了一种结合拓扑结构损失项的非刚性ICP算法,使得保持边缘区域拓扑结构的同时不会大幅度牺牲配准精度。实验结果表明,该算法比目前广泛使用的算法配准精度更高。
文摘基于点云的空间非合作目标位姿估计,常受到噪声影响.提出截断最小二乘估计与半定松弛(truncated least squares estimation and semidefinite relaxation,TEASER)与迭代最近点(iterative closest point,ICP)的结合算法,提升空间非合作目标位姿估计精度与鲁棒性.该方法包括粗配准与精配准两个环节:在粗配准环节中,基于局部点云与模型点云的方向直方图特征(signature of histogram of orientation,SHOT)确定匹配对,利用TEASER算法求解初始位姿;在精配准环节中,可结合ICP算法优化位姿估计结果.北斗卫星仿真实验表明:在连续帧位姿估计中,噪声标准差为3倍点云分辨率时,基于TEASER的周期关键帧配准方法的平移误差小于3.33 cm,旋转误差小于2.18°;与传统ICP方法相比,平均平移误差与平均旋转误差均有所降低.这表明所提出的空间非合作目标位姿估计方法具有良好的精度和鲁棒性.
