iralabdisco / neural_registration_comparison Goto Github PK

• #34
• #35
• #37
• #36
• #38

Lo usiamo come riferimento e per controllare i parametri di Teaser e FGR.

Da capire:

1. Cosa misurare.
2. Come misurare.

Per i tempi non dovremmo avere troppissimi problemi, ma per fare avere delle misure sensate dovremmo avere il server solo per noi quando facciamo i test, altrimenti ci va di mezzo tutta la latenza aggiunta da altre persone che lavorano su i7g4.

Per la memoria avevamo guardato in passato e ricordo che avevamo avuto problemi nel trovare un metodo che funzionasse a prescindere dalla libreria di deep learning utilizzata. È da capire.

Sono da decidere i parametri per RANSAC.

http://www.open3d.org/docs/release/python_api/open3d.pipelines.registration.registration_ransac_based_on_correspondence.html

Reviewer 2 ci ha chiesto esplicitamente di testarlo.

Codice e pesi sembrano essere disponibili: https://github.com/qinzheng93/GeoTransformer

Ci è stato chiesto esplicitamente da reviewer 2.

Codice e pesi sembrano essere disponibili: https://github.com/HpWang-whu/RoReg

@simone-fontana stavo pensando per la questione di valutare i tempi, come gestiamo la fase di preprocessing (tipo il downsampling)?
Ricordo che nella versione originale avevamo fatto downsampling a 0.1 per tutte "offline", ma ad esempio il paper della rete che sto guardando ora (GeoTransformer) viene richiesto una leaf size specifica.

Per alcune point cloud 3DFeatNet estrae pochissime feature, e andando a fare il match capita di trovare una singola corrispondenza.
Con una singola corrispondenza TEASER va in segmentation fault, come gestiamo questi casi?
Pensavo di fare un check sul numero di corrispondenze e lanciare TEASER solo se n_corrispondenze > 1, in caso contrario restituire come soluzione della registration la matrice identità.

Mi stavo chiedendo se possiamo davvero scartare a priori tutti i metodi correspondences free assumendo che "Estraendo un singolo vettore feature per point cloud, infatti difficilmente si potranno allineare point cloud con una sovrapposizione non totale, perché i due vettori corrispondenti saranno molto diversi."

Ad esempio stavo guardando Feature-Metric Registration (https://ieeexplore.ieee.org/document/9156354) (metodo corresponcences free) e loro affermano di avere buoni risultati anche con partial overlap (dicono anche di aver buoni risultati su point cloud generate da sensori diversi e in scene outdoor, tra le altre cose).

Sono da decidere i parametri per fast global registration

http://www.open3d.org/docs/release/python_api/open3d.pipelines.registration.FastGlobalRegistrationOption.html

https://github.com/WangYueFt/dcp

Scenarios should be reconstructed that are more representative of the real application of "robotics".

@simone-fontana facendo i test di FPFH mi sono accorta che c'è qualcosa di rotto negli script di teaser, fgr e ransac, danno risultati strani anche con fpfh.

Wang H, Liu Y, Hu Q, et al. Roreg: Pairwise point cloud registration with oriented descriptors and local rotations[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2023.

Ci è stato chiesto esplicitamente da reviewer 2.

Codice e pesi sembrano essere disponibili: https://github.com/HpWang-whu/RoReg

Ci sono da decidere i parametri da usare per TEASER++

https://teaser.readthedocs.io/en/latest/api-cpp.html#_CPPv4N6teaser24RobustRegistrationSolver6ParamsE

PyPAPI sembra non avere i bindings per gli eventi CUDA: flozz/pypapi#33