DIPR：基于动态迭代的高效点云配准
计算机视觉与模式识别
2024-08-27 v2
摘要
点云配准（PCR）是三维视觉中的一项基本任务。现有方法实现了越来越高的精度。然而，点云配准中大量的非重叠点消耗了大量计算资源，同时对配准精度产生负面影响。为克服这一挑战，我们提出了一种新颖的基于动态迭代的高效点云配准框架 DIPR，该框架使神经网络能够基于更稀疏的输入点交互式地聚焦于重叠点。我们设计了全局和局部配准阶段，以实现高效的由粗到精处理。除了基本的匹配模块，我们提出了精炼节点，通过采用基于密度的聚类来缩小重叠点的范围，从而显著减少计算量。我们的 SC 分类器作为一种提前退出机制，可根据匹配精度及时终止配准过程。在多个数据集上的大量实验表明，与最先进的方法相比，我们提出的方法在显著减少计算时间和 GPU 内存消耗的同时，实现了更优的配准精度。
引用
@article{arxiv.2312.02877,
title = {DIPR: Efficient Point Cloud Registration via Dynamic Iteration},
author = {Yang Ai and Qiang Bai and Jindong Li and Xi Yang},
journal= {arXiv preprint arXiv:2312.02877},
year = {2024}
}