3DFeat-Net:用于点云配准的弱监督局部3D特征
计算机视觉与模式识别
2020-03-31 v1
摘要
本文中,我们提出3DFeat-Net,它利用弱监督学习用于点云匹配的3D特征检测器和描述子。与许多现有工作不同,我们不需要手动标注匹配点簇。相反,我们利用对齐和注意力机制,从GPS/INS标记的3D点云中学习特征对应,而无需显式指定它们。我们创建了训练和基准室外激光雷达数据集,实验表明3DFeat-Net在这些重力对齐的数据集上取得了最先进的性能。
引用
@article{arxiv.1807.09413,
title = {3DFeat-Net: Weakly Supervised Local 3D Features for Point Cloud Registration},
author = {Zi Jian Yew and Gim Hee Lee},
journal= {arXiv preprint arXiv:1807.09413},
year = {2020}
}
备注
17 pages, 6 figures. Accepted in ECCV 2018