liu.seSök publikationer i DiVA
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Aligning the Dissimilar: A Probabilistic Feature-Based Point Set Registration Approach
Linköpings universitet, Institutionen för systemteknik, Datorseende. Linköpings universitet, Tekniska fakulteten.
Linköpings universitet, Institutionen för systemteknik, Datorseende. Linköpings universitet, Tekniska fakulteten.
Linköpings universitet, Institutionen för systemteknik, Datorseende. Linköpings universitet, Tekniska fakulteten.
Linköpings universitet, Institutionen för systemteknik, Datorseende. Linköpings universitet, Tekniska fakulteten.ORCID-id: 0000-0002-6096-3648
2016 (Engelska)Ingår i: Proceedings of the 23rd International Conference on Pattern Recognition (ICPR) 2016, IEEE, 2016, s. 247-252Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

3D-point set registration is an active area of research in computer vision. In recent years, probabilistic registration approaches have demonstrated superior performance for many challenging applications. Generally, these probabilistic approaches rely on the spatial distribution of the 3D-points, and only recently color information has been integrated into such a framework, significantly improving registration accuracy. Other than local color information, high-dimensional 3D shape features have been successfully employed in many applications such as action recognition and 3D object recognition. In this paper, we propose a probabilistic framework to integrate high-dimensional 3D shape features with color information for point set registration. The 3D shape features are distinctive and provide complementary information beneficial for robust registration. We validate our proposed framework by performing comprehensive experiments on the challenging Stanford Lounge dataset, acquired by a RGB-D sensor, and an outdoor dataset captured by a Lidar sensor. The results clearly demonstrate that our approach provides superior results both in terms of robustness and accuracy compared to state-of-the-art probabilistic methods.

Ort, förlag, år, upplaga, sidor
IEEE, 2016. s. 247-252
Nationell ämneskategori
Datorseende och robotik (autonoma system)
Identifikatorer
URN: urn:nbn:se:liu:diva-137895DOI: 10.1109/ICPR.2016.7899641ISI: 000406771300044Scopus ID: 2-s2.0-85019098777ISBN: 9781509048472 (digital)ISBN: 9781509048489 (tryckt)OAI: oai:DiVA.org:liu-137895DiVA, id: diva2:1104306
Konferens
23rd International Conference on Pattern Recognition (ICPR), Cancun, Mexico, 4-8 Dec. 2016
Anmärkning

Funding agencies:Funding Agencies|SSF (VPS); VR (EMC2); Vinnova (iQMatic); EUs Horizon RI program grant [644839]; Wallenberg Autonomous Systems Program; NSC; Nvidia

Tillgänglig från: 2017-05-31 Skapad: 2017-05-31 Senast uppdaterad: 2019-10-31Bibliografiskt granskad

Open Access i DiVA

fulltext(1238 kB)7 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 1238 kBChecksumma SHA-512
0228a7fa40eb07b613d19c8547f9dbb65e9c3ef38ae2cdcfb6ca34cf53dee38ea9f978b267bf00955bb322c8947f4b2755bb6be52ef1c62abdcc03ffd52ac5da
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltextScopus

Personposter BETA

Danelljan, MartinMeneghetti, GiuliaKhan, Fahad ShahbazFelsberg, Michael

Sök vidare i DiVA

Av författaren/redaktören
Danelljan, MartinMeneghetti, GiuliaKhan, Fahad ShahbazFelsberg, Michael
Av organisationen
DatorseendeTekniska fakulteten
Datorseende och robotik (autonoma system)

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 7 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
isbn
urn-nbn

Altmetricpoäng

doi
isbn
urn-nbn
Totalt: 212 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf