DeepCLR：无对应关系的端到端点云配准深度架构
计算机视觉与模式识别
2021-01-14 v2
摘要
本工作利用深度神经网络解决点云配准问题。我们提出一种方法，用于预测两个具有重叠数据内容但原点偏移的点云之间的对齐关系。此类点云来源于例如安装在移动平台上的 LiDAR 的连续测量。原始点云深度配准的主要困难在于模板点云与源点云的融合。我们提出的架构应用流嵌入来解决此问题，其生成描述每个模板点运动的特征。这些特征随后用于以端到端方式预测对齐关系，而无需提取两输入云之间的显式点对应关系。我们基于 KITTI odometry 与 ModelNet40 数据集在各种点分布上评估我们的方法。我们的方法取得了最先进的精度，且在所比较方法中具有最低的运行时间。
引用
@article{arxiv.2007.11255,
title = {DeepCLR: Correspondence-Less Architecture for Deep End-to-End Point Cloud Registration},
author = {Markus Horn and Nico Engel and Vasileios Belagiannis and Michael Buchholz and Klaus Dietmayer},
journal= {arXiv preprint arXiv:2007.11255},
year = {2021}
}
备注
7 pages, 5 figures, 4 tables