基於稀疏控制點的多標記點雲標註

每天一分鐘，帶你讀遍機器人頂級會議文章

標題：Multi-Label Point Cloud Annotation by Selection of Sparse Control Points

作者：Riccardo Monica, Jacopo Aleotti, Michael Zillich, Markus Vincze

來源：3dv 2017 (International Conference on 3D Vision）

播音員：丸子

編譯：顏青松

歡迎個人轉發朋友圈；其他機構或自媒體如需轉載，後台留言申請授權

摘要

本文展示了一種容易使用的多標記點雲標註方法，即使用滑鼠交互選擇一系列稀疏控制點完成某目標的點雲標註（這也意味著多個控制點可以使用相同標註）。該方法以選中的控制點為基準，使用基於最短路徑樹的鄰域圖上的分割演算法。同時為方便用戶改正分割錯誤， 該方法還實時反饋分割效果。與之前的方法相比，本文中的方法支持對散亂點雲進行多標記標註。

本文中的方法已經被大量用戶使用，並且和常規的矩形框選標註方法進行了比較。實驗結果證明本文的方法更易使用，並且針對具有遮擋的複雜場景也能更快的進行分割和標註。

下圖展示了點雲標註軟體的界面。

下圖是在兩個數據集上，比較使用本文演算法和框選演算法的標註結果差異。第一行是使用的點雲數據，第二行是本文演算法的結果，第三行是框選式結果。

Abstract

This paper presents a user-friendly approach for multilabel point cloud annotation. The method requires the user to select sparse control points belonging to the objects through a mouse-based interface. Multiple control points may be assigned to the same label. The software utilizes the selected control points to perform a segmentation algorithm on the neighborhood graph, based on shortest path tree. The user is provided a real-time feedback about the result, and can correct segmentation errors. In contrast to previous work the method supports multi-label annotation of unorganized point clouds.

The method has been evaluated by multiple users and compared with a standard rectangle-based selection technique. Results indicate that the proposed method is perceived as easier to use, and that it allows a faster segmentation even in complex scenarios with occlusions

如果你對本文感興趣，想要下載完整文章進行閱讀，可以關注【泡泡機器人SLAM】公眾號（paopaorobot_slam）。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！