Heurystyczne wykorzystanie deskryptorów 3D bez punktów charakterystycznych

Bogdan Harasymowicz-Boggio , Łukasz Chechliński

Abstract

One of the most important topics in the research concerning 3D local descriptors is computational efficiency. The state-of-the-art approach addressing this matter consists in using keypoint detectors that effectively limit the number of points for which the descriptors are computed. However, the choice of keypoints is not trivial and might have negative implications, such as the omission of relevant areas. Instead, focusing on the task of single object detection, we propose a keypoint-less approach to attention focusing in which the full scene is processed in a hierarchical manner: weaker, less rejective and faster classification methods are used as heuristics for increasingly robust descriptors, which allows to use more demanding algorithms at the top level of the hierarchy. We have developed a massively-parallel, open source object recognition framework, which we use to explore the proposed method on demanding, realistic indoor scenes, applying the full power available in modern computers. Moreover, while performing the experiments we have learned that simpler feature histograms combined in a boosting-like manner outperform state-of-the-art descriptors in the tested conditions, which opens exploration possibilities for local 3D descriptors synergy.
Author Bogdan Harasymowicz-Boggio IAR
Bogdan Harasymowicz-Boggio,,
- The Institute of Automatic Control and Robotics
, Łukasz Chechliński IAR
Łukasz Chechliński,,
- The Institute of Automatic Control and Robotics
Journal seriesPrace Naukowe Politechniki Warszawskiej. Elektronika, ISSN 0137-2343
Issue year2016
VolII
No195
Pages477-486
Publication size in sheets0.5
Conference14. Krajowa Konferencja Robotyki, 14-09-2016 - 18-09-2016, Polanica Zdrój, Polska
Keywords in Polishheurystyka, cechy, deskryptory, programowanie równoległe, CUDA, chmury punktów, wizja maszynowa
Keywords in Englishheuristics, features, descriptors, parallel programming, CUDA, point clouds, computer vision
Abstract in PolishJednym z najważniejszych tematów w badaniu deskryptorów lokalnych 3D jest wydajność obliczeniowa. Wiodącym obecnie podejściem do tematu jest używanie detektorów punktów charakterystycznych, które skutecznie ograniczają obszar, dla którego deskryptory muszą zostać obliczone. Wybór tych punktów charakterystycznych jest zadaniem nietrywialnym, mającym wpływ na skuteczność detekcji obiektów. Wpływ ten może być negatywny jeśli na etapie detekcji punktów charakterystycznych zostaną pominięte istotne obszary. W tym artykule, skupiając się na zadaniu detekcji pojedynczej klasy obiektów, zamiast detekcji punktów charakterystycznych proponujemy hierarchiczny algorytm ograniczania uwagi: słabsze, lecz szybsze metody klasyfikacji o mniejszej sile odrzucania negatywnych obszarów wykorzystano jako heurystykę dla metod bardziej złożonych, co pozwala na użycie bardziej wymagających algorytmów tylko na najwyższym poziomie hierarchii. Opracowaliśmy podstawę masowo-równoległego, otwartoźródłowego systemu rozpoznawania obiektów, który zastosowaliśmy do zbadania zaproponowanej metody w wymagających, realistycznych scenach wnętrza budynku, wykorzystując pełne możliwości współczesnych komputerów powszechnego użytku. Ponadto, podczas eksperymentów stwierdziliśmy, że w testowanych warunkach złożenie prostych deskryptorów histogramowych okazuje się skuteczniejsze w rozpoznawaniu obiektów niż użycie złożonych deskryptorów lokalnych, które są uznawane w literaturze za najlepsze. Otwiera to pole do interesujących badań nad synergią deskryptorów 3D.
Languagepl polski
Score (nominal)0
ScoreMinisterial score [Punktacja MNiSW] = 0.0, 28-11-2017, ArticleFromJournal
Ministerial score (2013-2016) [Punktacja MNiSW (2013-2016)] = 0.0, 28-11-2017, ArticleFromJournal - czasopismo zagraniczne spoza list
Citation count*0 (2018-06-14)
Cite
Share Share

Get link to the record
msginfo.png


* presented citation count is obtained through Internet information analysis and it is close to the number calculated by the Publish or Perish system.
Back