3DRegNet：一种用于三维点配准的深度神经网络
计算机视觉与模式识别
2020-04-08 v2
摘要
我们提出 3DRegNet，一种用于三维扫描配准的新型深度学习架构。给定一组三维点对应关系，我们构建深度神经网络以解决以下两个挑战：（i）将点对应关系分类为内点/外点，以及（ii）回归将扫描对齐到公共参考坐标系的运动参数。关于回归，我们提出两种替代方法：（i）深度神经网络（DNN）配准，以及（ii）使用 SVD 的 Procrustes 方法估计变换。我们基于对应关系的方法相比竞争基线实现了更高的加速比。我们进一步提出使用细化网络，该网络由一个较小的 3DRegNet 作为细化模块以提高配准精度。在两个具有挑战性的数据集上的大量实验表明，我们优于其他方法并取得了最先进（state-of-the-art）的结果。代码已公开。
引用
@article{arxiv.1904.01701,
title = {3DRegNet: A Deep Neural Network for 3D Point Registration},
author = {G. Dias Pais and Srikumar Ramalingam and Venu Madhav Govindu and Jacinto C. Nascimento and Rama Chellappa and Pedro Miraldo},
journal= {arXiv preprint arXiv:1904.01701},
year = {2020}
}
备注
15 pages, 8 figures, 6 tables