基于 SE(3)-等变表示的由粗到细点云配准
计算机视觉与模式识别
2023-03-07 v2 机器人学
摘要
点云配准是计算机视觉与机器人中的关键问题。现有方法或依赖匹配局部几何特征（对位姿差异敏感），或利用全局形状（在面临部分重叠等分布方差时导致不一致）。结合两类方法优势，我们采用由粗到细流程同时处理两方面问题。我们首先通过对齐全局特征减小输入点云间位姿差异；然后匹配局部特征以进一步精修由分布方差导致的不准确对齐。由于全局特征对齐要求特征保持输入点云位姿、而局部特征匹配期望特征对这些位姿不变，我们提出一种 SE(3)-等变特征提取器以同时生成两类特征。在该提取器中，保持位姿的表示首先由我们新颖的 SE(3)-等变网络编码，然后通过位姿剥离模块转换为位姿不变表示。实验表明，在面对位姿差异与分布方差时，我们所提方法相较最先进方法将召回率提升了 20%。
引用
@article{arxiv.2210.02045,
title = {Coarse-to-Fine Point Cloud Registration with SE(3)-Equivariant Representations},
author = {Cheng-Wei Lin and Tung-I Chen and Hsin-Ying Lee and Wen-Chin Chen and Winston H. Hsu},
journal= {arXiv preprint arXiv:2210.02045},
year = {2023}
}
备注
ICRA 2023