自举你自己的对应点

几何特征提取是点云配准流程的关键组成部分。近期工作已证明如何利用监督学习来学习更好且更紧凑的 3D 特征。然而，这些方法对真值标注的依赖限制了其可扩展性。我们提出 BYOC：一种自监督方法，从 RGB-D 视频中学习视觉与几何特征，而不依赖真值位姿或对应点。我们的关键观察是随机初始化的 CNN 即可为我们提供良好的对应点，从而让我们能够自举视觉与几何特征的学习。我们的方法将经典的点云配准思想与较新的表示学习方法相结合。我们在室内场景数据集上评估了我们的方法，发现我们的方法优于传统和习得的描述子，同时与当前最先进的监督方法具有竞争力。