DeepBBS：用于点云配准的深度最佳伙伴方法

近来，已有若干深度学习方法被提出用于点云配准。这些方法训练一个网络以生成一种表示，有助于在两个 3D 点云中找到匹配点。找到良好的匹配使它们能够准确地计算点云之间的变换。这些技术的两个挑战是处理遮挡以及泛化到训练期间未见过类别的物体。本工作提出 DeepBBS，一种新颖的学习表示方法，在训练期间考虑点之间的最佳伙伴距离。最佳伙伴（即相互最近邻）是彼此最接近的点对。最佳伙伴准则是正确匹配的强指示，进而带来准确的配准。我们的实验显示出相较先前方法的性能提升。特别地，我们学习到的表示在部分形状以及未见类别上实现了准确的配准。