用于 MVP 点云配准的深度模型与融合策略
计算机视觉与模式识别
2021-10-19 v1
摘要
2021 年多视角部分 (MVP) 挑战赛中点云配准的主要目标是估计一个刚性变换以对齐一对点云。该比赛中的点云对具有低重叠率、非均匀密度、无限制旋转和模糊性的特点，给配准任务带来了巨大挑战。在本报告中，我们介绍了针对该配准任务的解决方案，该方案融合了两个深度学习模型：ROPNet 和 PREDATOR，并采用了定制的集成策略。最终，我们在配准赛道中获得了第二名，在 Rot_Error、Trans_Error 和 MSE 指标下的结果分别为 2.96546、0.02632 和 0.07808。
引用
@article{arxiv.2110.09129,
title = {Deep Models with Fusion Strategies for MVP Point Cloud Registration},
author = {Lifa Zhu and Changwei Lin and Dongrui Liu and Xin Li and Francisco Gómez-Fernández},
journal= {arXiv preprint arXiv:2110.09129},
year = {2021}
}
备注
Point cloud registration competition, ICCV21 workshop. Substantial text overlap with arXiv:2107.02583