对应矩阵被低估了
计算机视觉与模式识别
2020-12-07 v1
摘要
点云配准（PCR）是机器人操控、增强现实与虚拟现实、SLAM 等多种应用中的一项重要任务。PCR 是一个涉及两类相互依赖变量——变换参数与点对点对应关系——最小化的优化问题。深度学习的最新进展产生了计算快速的 PCR 方法。这些网络中优化的损失函数基于变换参数的误差。我们假设，如果这些方法使用对应误差而非仅使用变换参数误差来计算损失函数，其性能将显著提升。我们将对应误差定义为基于错误匹配点对的度量。我们对此给出了基础性解释，并通过修改现有方法以使用基于对应的损失替代基于变换的损失来验证我们的假设。实验表明，与原始网络相比，修改后的网络收敛更快，且即使在较大错位下也能更准确地配准。
引用
@article{arxiv.2010.16085,
title = {Correspondence Matrices are Underrated},
author = {Tejas Zodage and Rahul Chakwate and Vinit Sarode and Rangaprasad Arun Srivatsan and Howie Choset},
journal= {arXiv preprint arXiv:2010.16085},
year = {2020}
}
备注
Accepted in the conference, 3DV 2020. 8 pages + 2 supplementary pages + 2 reference papers