21、基于先验对应关系的概率点集配准及人体外观转移应用

基于先验对应关系的概率点集配准及人体外观转移应用

在计算机视觉领域，点集配准是一个关键问题，尤其是在处理真实世界的 3D 人体扫描数据时。本文将介绍基于先验对应关系的概率点集配准方法，以及其在人体外观转移管道中的应用。

1. 不同方法的配准误差分析

在目标任务中，不同方法的平均端点误差（AEPE）有所不同。光流法达到了 0.1437 的 AEPE，RGB - D 场景流的投影达到了 0.7295 的 AEPE。与无约束的配准相比，有约束的配准能得到更准确的结果。例如，无先验匹配的 ECPD 与 CPD 操作类似，其 AEPE 为 2.0421，而有 500 个先验匹配的 ECPD 的 AEPE 为 1.3534。

在可视化的光流中，可以观察到一些效果。最主要的是与一致性正则化器相关的效果。手部运动的流分量会扩散到周围区域，导致流边界模糊。此外，手部运动还会拖动点云，使其沿手部主要运动方向位移，甚至会使背景向相反方向位移。部分观察到的效果是由于深度提升函数的形式导致的，一些深度变化的对齐会导致局部不均匀的点集配准，从而在背景中出现虚假边界。

2. 真实数据实验

2.1 手臂 3D 扫描配准实验

在这个实验中，我们对不同姿势的手臂 3D 扫描进行配准。首先，使用类似的方法预计算扫描之间的初始对应关系。具体步骤如下：
1. 使用 Intrinsic Shape Signature 描述符提取点云上的 3D 关键点。
2. 在这些关键点处确定持久特征直方图（PFH）。
3. 通过比较 PFH 建立对应关系。

然后，使用 CPD 和 ECPD 对扫描进行配准。在 CPD 中