从表示分离视角看无对应点的无监督三维点云配准
计算机视觉与模式识别
2022-03-25 v1
摘要
遥感领域的三维点云配准已被基于深度学习的方法极大推进，其中刚性变换要么直接从两点云回归得到（无对应点方法），要么从学习到的对应点计算而得（基于对应点方法）。现有无对应点方法通常学习整个点云的全局表示，对部分和有噪点云较为脆弱。本文中，我们从表示分离视角提出一种无对应点的无监督点云配准（UPCR）方法。首先，我们将输入点云建模为姿态不变表示与姿态相关表示的结合。其次，姿态相关表示被用于分别学习源点云和目标点云相对于“潜在规范形状”的相对姿态。第三，从上述两个学习到的相对姿态获得刚性变换。我们的方法不仅滤除了姿态不变表示中的干扰，而且对部分到部分点云或噪声具有鲁棒性。在基准数据集上的实验表明，我们的无监督方法取得了与最先进的有监督配准方法相当甚至更优的性能。
引用
@article{arxiv.2203.13239,
title = {A Representation Separation Perspective to Correspondences-free Unsupervised 3D Point Cloud Registration},
author = {Zhiyuan Zhang and Jiadai Sun and Yuchao Dai and Dingfu Zhou and Xibin Song and Mingyi He},
journal= {arXiv preprint arXiv:2203.13239},
year = {2022}
}
备注
Accepted by IEEE Geoscience and Remote Sensing Letters