手工设计与深度学习时代的 3D 点云描述子：研究现状
计算机视觉与模式识别
2020-07-28 v2
摘要
廉价 3D 数据采集设备的出现颇有前景地促进了 3D 点云的广泛可用与普及，近年来吸引了更多关注于有效提取新颖 3D 点云描述子以提升 3D 计算机视觉任务的效率与准确性。然而，由于其固有特性，如何从 3D 点云开发具有判别力且鲁棒的特征描述子仍是一项挑战性任务。在本文中，我们对现有 3D 点云描述子进行了全面深入的调研。这些方法依据描述子的进展原则上可分为两类：基于手工设计的方法与基于深度学习的方法，将从精细分类、各自优势与局限的角度进一步讨论。最后，我们给出了 3D 点云描述子提取的未来研究方向。
引用
@article{arxiv.1802.02297,
title = {3D Point Cloud Descriptors in Hand-crafted and Deep Learning Age: State-of-the-Art},
author = {Xian-Feng Han and Shi-Jie Sun and Xiang-Yu Song and Guo-Qiang Xiao},
journal= {arXiv preprint arXiv:1802.02297},
year = {2020}
}