[Back]

F. Laager:
"Global Registration of RangeScans with Match ToleranceVerification";
Supervisor: M. Wimmer, S. Ohrhallinger; Visual Computing and Human-Centered Technology, 2019; final examination: 2019-01.

Surface registration is the process of identifying correspondences between points on multiplesurfaces and estimating an aligning transformation of one surface to the other so that corre-sponding surface patches overlap. Several approaches exist that identify salient points on thesurface and extract a local descriptor of the neighborhood of those points. Correspondences arethen found by comparing the descriptors. Global registration, however, aims at aligning surfacesusing knowledge over the whole area of overlap.Registration of range scans has seen a lot of research since the advent of commodity rangescanners like the Microsoft KinectTM. An object can be captured from multiple perspectives andthe scans can be registered to reconstruct the whole virtual object. Another usage can be foundin the fields of augmented reality or robotics, where range scans are used to locate the camerawithin a reference scene.A lot of work has been conducted on surface registration, both local and global. We proposean algorithm for registration of range scans that, other than what we found in the literature, pro-vides an aligning transformation only if such a transformation exists within a certain tolerance.Similar to many approaches, we first identify salient feature points on the surface and build aglobal descriptor that incorporates the spatial relation between feature points. Using the errormodel of the capture device, we build a tolerance model for acceptable aligning transformations.We applied our algorithm to range scans of objects of different types and evaluated its regis-tration capabilities. Additionally, we registered range scans made with the Microsoft KinectTMv2 using our algorithm and evaluated its applicability. Furthermore, we compared our approachto a state-of-the-art algorithm in global registration to see whether it is able to decide on whetheran aligning transformation exists.

Bei der Registrierung von Oberflächen handelt es sich um den Prozess, Punktkorrespondenzenzwischen multiplen Oberflächen zu finden und eine ausrichtende Transformation zu schätzen.Diese Transformation soll dann die beiden Oberflächen so aufeinander ausrichten, dass sie sichso gut wie möglich überlappen. Es existieren einige Ansätze, die hervorstechende Punkte iden-tifizieren und einen lokalen Deskriptor bauen, der die lokale Nachbarschaft der identifiziertenPunkte beschreibt. Korrespondenzen werden gefunden, indem die Deskriptoren der jeweiligenPunkte miteinander verglichen werden. Die globale Registierung, mit der sich die vorliegendeArbeit beschäftigt, zielt allerdings darauf ab Oberflächen auszurichten und dabei Wissen überden gesamten Überlappungsbereich einzusetzen.Durch das Erscheinen von Endverbraucher-Tiefenscannern wie der Microsoft KinectTMwur-de die Forschung über Registrierung von Tiefenscans weiter vorangetrieben. Ein Objekt kannvon mehreren Perspektiven gescannt werden und die Teilscans können dann aufeinander re-gistriert werden und ein vollständiges virtuelles Objekt rekonstruiert werden. Ein anderer An-wendungsfall wäre im Bereich der Augmented Reality oder in der Robotik, wo Tiefenscans derLokalisierung der Kamera in einer Referenzszene dienen.Über Oberflächenregistrierung, lokal als auch global, existiert viel Material in der Literatur.Im Rahmen dieser Arbeit wird ein Algorithmus zur Registrierung von Tiefenscans vorgeschla-gen der, anders als die von uns in der Literatur gefundenen Ansätze, eine ausrichtende Transfor-mation nur dann extrahiert, wenn diese innerhalb eines Toleranzbereichs existiert. Ähnlich zuvielen Ansätzen identifizieren wir dazu zuerst hervorstechende Feature-Punkte auf der Oberflä-che und erstellen einen globalen Deskriptor, der das räumliche Verhältnis der Punkte zueinanderabbildet. Wir bauen ein Toleranzmodell für die Akzeptanz von ausrichtenden Transformationen,das auf dem Fehlermodell des verwendeten Scanners aufbaut.Wir haben unseren Algorithmus an Tiefenscans unterschiedlicher Objekte angewendet undseine Fähigkeit zur Registrierung evaluiert. Weiters haben wir Tiefenscans, die mit der Micro-soft KinectTMv2 aufgenommen wurden, mittels unseres Algorithmus registriert und dessen An-wendbarkeit untersucht. Des Weiteren haben wir unseren Ansatz mit einem state-of-the-art Al-gorithmus verglichen um zu sehen, ob er entscheiden kann ob eine ausrichtende Transformationexistiert oder nicht.

https://publik.tuwien.ac.at/files/publik_283620.pdf