基于学习型匹配算法的三维点云配准
计算机视觉与模式识别
2023-12-05 v4
摘要
我们提出了一种用于三维点云配准的新型可微匹配算法。我们不是仅针对匹配算法优化特征提取器，而是提出了一个学习型匹配模块，该模块针对联合训练的特征提取器进行优化。我们聚焦于边级特征前向架构，这类架构内存消耗大但能避免 GNN 所遭受的过平滑效应。我们提升了其内存效率以使其适用于点云配准，同时探究了将其连接到特征提取器的最佳方式。实验结果表明，我们的匹配模块在使用多种当代特征提取器的刚体/非刚体以及整体/部分点云配准数据集上，对性能提升有显著影响。例如，在 4DMatch 和 4DLoMatch 数据集上，我们的模块分别将当前 SOTA 方法 RoITr 在 NFMR 指标上提升了 +5.4% 和 +7.2%，在 IR 指标上提升了 +6.1% 和 +8.5%。
引用
@article{arxiv.2202.02149,
title = {3D Point Cloud Registration with Learning-based Matching Algorithm},
author = {Rintaro Yanagi and Atsushi Hashimoto and Shusaku Sone and Naoya Chiba and Jiaxin Ma and Yoshitaka Ushiku},
journal= {arXiv preprint arXiv:2202.02149},
year = {2023}
}