通过协同补全与分割完成含离群点的部分点云
计算机视觉与模式识别
2022-03-21 v1
摘要
现有大多数点云补全方法仅适用于无任何噪声与离群点的部分点云，而实践中并非总是如此。本文我们提出一个端到端网络 CS-Net，用于补全受噪声污染或含离群点的点云。在我们的 CS-Net 中，补全与分割模块协同工作、相互促进，这得益于我们专门设计的级联结构。在分割的帮助下，更干净的点云被送入补全模块。我们设计了一种新颖的补全解码器，其利用分割获得的标签与 FPS 净化点云，并借助 KNN 分组实现更好的生成。补全与分割模块交替工作，共享彼此的有用信息以逐步提升预测质量。为训练我们的网络，我们构建了一个数据集以模拟不完整点云含离群点的真实情况。我们全面的实验及与最先进补全方法的对比证明了我们的优越性。我们也与先分割后补全及其端到端融合方案进行比较，同样证明了我们的有效性。
引用
@article{arxiv.2203.09772,
title = {Completing Partial Point Clouds with Outliers by Collaborative Completion and Segmentation},
author = {Changfeng Ma and Yang Yang and Jie Guo and Chongjun Wang and Yanwen Guo},
journal= {arXiv preprint arXiv:2203.09772},
year = {2022}
}