CMG-Net：通过Chamfer法向距离和多尺度几何实现点云的鲁棒法线估计
计算机视觉与模式识别
2023-12-15 v1
摘要
本文提出了一种从点云估计法线的准确且鲁棒的方法。与先前直接最小化标注法线和预测法线之间偏差的方法不同，这会导致方向不一致，我们首先提出了一种新的度量，称为Chamfer法向距离，以解决这个问题。这不仅缓解了挑战，而且促进了网络训练，并显著增强了网络对噪声的鲁棒性。随后，我们设计了一种创新架构，包括多尺度局部特征聚合和层次化几何信息融合。这种设计使网络能够更有效地捕捉复杂的几何细节，并减轻尺度选择的模糊性。大量实验表明，我们的方法在合成和真实世界数据集上均达到了最先进的性能，特别是在受噪声污染的场景中。我们的实现可在https://github.com/YingruiWoo/CMG-Net_Pytorch获取。
引用
@article{arxiv.2312.09154,
title = {CMG-Net: Robust Normal Estimation for Point Clouds via Chamfer Normal Distance and Multi-scale Geometry},
author = {Yingrui Wu and Mingyang Zhao and Keqiang Li and Weize Quan and Tianqi Yu and Jianfeng Yang and Xiaohong Jia and Dong-Ming Yan},
journal= {arXiv preprint arXiv:2312.09154},
year = {2023}
}
备注
Accepted by AAAI 2024