Global Registration Methods

앞 게시물에서 살펴본 local registration methods는 초기에 rough한 transformation matrix를 지정해 준 후에 반복을 실행한다. 이번에 살펴볼 방법들은 그러한 초기값을 필요로 하지 않는다. 그런데 조금 덜 정확한 align결과를 생성하기 때문에 보통은 local registration 이전에 초기값을 구하는데 사용된다.

 

Extract geometric feature

Global registration에서는 가장 먼저 pointcloud를 다운샘플링하고, normal을 계산하고, 각 점들에 대한 FPFH feature를 계산한다. FPFH feature란 33-dimensional vector로 local geometric에 대한 정보를 갖는다. 

RANSAC

RANSAC 알고리즘은 pointcloud의 무수히 많은 점들 중에 랜덤하게 일부만 추출하고 fitting이 잘 되지 않은 점들을 제거한다. 여기서는 RANSAC을 통해 source pointcloud 점을 추출하고, 33-dimensional FPFH feature에서 nearest neighbor를 시행하여 corresponding target pointcloud 점을 얻어낸다. 

Fast Global Registration

RANSAC based global registration은 수많은 모델의 evaluating을 진행하여 시간이 오래 걸린다. [Zhou2016]논문에서는 이것을 더 빠르게 optimize하는 방법을 제안하여 시간을 단축시켰다.